SIDARTHE流行病模型学习的最优控制方法
机器学习
2021-01-29 v2 物理与社会
摘要
COVID-19疫情激发了人们对提出新型流行病模型以预测疫情进程的兴趣，从而帮助规划有效的控制策略。特别是，为了正确解释可用数据，显然必须超越大多数经典流行病模型，考虑像最近提出的SIDARTHE这样提供更丰富感染阶段描述的模型。学习这些模型的参数至关重要，尤其是当假设它们是时变的时，这进一步增强了它们的有效性。在本文中，我们提出了一种从流行病数据中学习动态房室模型时变参数的通用方法。我们将问题表述为一个函数风险，该风险通过动态系统的解依赖于学习变量。然后通过在一个合适的正则化泛函上使用梯度流来求解得到的变分问题。我们预测了意大利和法国的疫情演变。结果表明，该模型在所有可用数据上提供了可靠且具有挑战性的预测，并且所选策略对时变参数起着基础性作用。
引用
@article{arxiv.2010.14878,
title = {An Optimal Control Approach to Learning in SIDARTHE Epidemic model},
author = {Andrea Zugarini and Enrico Meloni and Alessandro Betti and Andrea Panizza and Marco Corneli and Marco Gori},
journal= {arXiv preprint arXiv:2010.14878},
year = {2021}
}
备注
12 pages, 7 figures