一种用于放松巴西COVID-19社交距离措施的参数化非线性预测控制策略
种群与进化
2020-07-21 v1 最优化与控制
物理与社会
摘要
本文中，我们构建了一种非线性模型预测控制（NMPC）来规划适当的社交距离措施（及放松），以缓解COVID-19大流行影响，同时考虑巴西的传染发展。NMPC策略基于一个适配的数据驱动易感-感染-康复-死亡（SIRD）传染模型设计，该模型考虑了社交距离的影响。此外，适配的SIRD模型包含时变自回归传染参数，其根据大流行阶段动态收敛。这一新模型通过三层流程辨识，包括解析回归、最小二乘优化运行和自回归模型拟合。数据驱动模型经过验证，显示能在较大预测区间内充分描述传染曲线。该模型中，控制输入定义为社交距离指南的有限参数化值，其直接影响SARS-CoV-2病毒的传播和感染率。NMPC策略生成分段恒定隔离指南，可随每周推进放松/加强。由于控制为有限参数化，故存在有限数量的可能控制序列，方法通过搜索机制实现。仿真实验展示了所提闭环NMPC策略的结果，其能减少感染数量并逐步放松社交距离措施。相较于“开环”/无控制条件，死亡人数仍可减少多达30%。预测显示感染峰值在2020年9月2日，若不实施协调卫生政策可能导致超150万死亡。该框架可作为巴西可能的公共卫生政策指南。
引用
@article{arxiv.2007.09686,
title = {A Parametrized Nonlinear Predictive Control Strategy for Relaxing COVID-19 Social Distancing Measures in Brazil},
author = {Marcelo M. Morato and Igor M. L. Pataro and Marcus V. Americano da Costa and Julio E. Normey-Rico},
journal= {arXiv preprint arXiv:2007.09686},
year = {2020}
}
备注
32 Pages, 21 Figures, 2 Tables, Preprint to ISA Transactions