基于简化 SIR 模型的 COVID-19 住院预测评估
应用统计
2021-10-12 v2 机器学习
动力系统
摘要
我们提出 SH 模型,即著名的传染病 SIR compartmental 模型的简化版。借助优化参数与初值,这一时不变双参数二维模型能够高精度拟合数月内的 COVID-19 住院数据(例如,对比利时 2020-03-15 至 2020-07-15 时段,根相对平方误差低于 10%)。此外我们观察到,当模型在比利时首次住院高峰附近合适的三周时段上训练时,其对随后两个月的预测平均绝对百分比误差(MAPE)低于 4%。我们对法国各部门重复实验,发现其中 14 个部门的 MAPE 低于 20%。然而,当模型在上升阶段训练时,其对后续演化的预测较不成功。
引用
@article{arxiv.2007.10492,
title = {Assessment of COVID-19 hospitalization forecasts from a simplified SIR model},
author = {P. -A. Absil and Ousmane Diao and Mouhamadou Diallo},
journal= {arXiv preprint arXiv:2007.10492},
year = {2021}
}
备注
Paper home page: https://sites.uclouvain.be/absil/2020.05