传染病建模的序列集成方法：将 Hawkes 模型与 SEIR 模型结合使用 SMC$^2$
应用统计
2026-01-21 v2
摘要
本文提出了一种用于传染病建模的序列集成方法，将离散时间 Hawkes 过程（DTHP）和易感-暴露-感染-移除（SEIR）模型相结合。我们受鉴于需要准确可靠的传染病预测以制定及时公共卫生干预的启发。我们开发了一种灵活的模型平均（MA）框架，利用 Sequential Monte Carlo Squared。虽然从每个模型单独生成估计值，但该方法根据其逐步估计的边际似然性动态分配权重，考虑到模型和参数不确定性，以产生单个集成估计。我们通过模拟研究来评估该方法，模拟情境类似于传染病动力学的突然变化，随后应用于爱尔兰的流感和 COVID-19 传染病。我们的结果显示，结合两种模型可以提高相对于单独使用任一模型的估计值——包括感染轨迹和再生数——的准确性。此外，MA 一致产生更稳定且信息更丰富的再生数时间变化估计，置信区间提供了对不确定性的真实评估。这些特征在传染病动力学快速变化时尤其有用，能够实现更可靠的短期预测和及时公共卫生决策。该研究通过增强预测可靠性和支持更有信息的公共卫生响应，提高了疫情准备水平。
引用
@article{arxiv.2506.15511,
title = {A sequential ensemble approach to epidemic modeling: Combining Hawkes and SEIR models using SMC$^2$},
author = {Dhorasso Temfack and Jason Wyse},
journal= {arXiv preprint arXiv:2506.15511},
year = {2026}
}