基于均方位移的 COVID-19 异常扩散分类
物理与社会
2021-07-29 v1 种群与进化
摘要
在本研究中，我们根据每日新增病例的均方位移（MSD），将两类国家的 COVID-19 异常扩散进行分类，这两类国家包括按总病例数计的前四个国家以及随机选取的四个国家。COVID-19 扩散是一个随机过程，每日新增病例被视为扩散粒子的位移。各国 COVID-19 的扩散环境是异质的，其潜在动态过程为异常扩散。计算得到的 MSD 是时间的幂律函数，且幂律指数不是常数而是随时间变化。幂律指数通过双指数模型和长短期记忆网络（LSTM）进行估计。常用于磁共振成像（MRI）的双指数模型能够量化幂律指数并便于预测。LSTM 网络在预测幂律指数方面比双指数模型具有更高的精度。LSTM 网络更为灵活，且不依赖于特定的数学公式，更适用于预测幂律指数。COVID-19 的扩散过程可依据幂律指数进行分类。可提出更具体的评估与建议并提交政府，以控制 COVID-19 扩散。
引用
@article{arxiv.2107.13517,
title = {Classification of COVID-19 anomalous diffusion driven by mean squared displacement},
author = {Yingjie Liang and Peiyao Guan and Shuhong Wang and Lin Qiu},
journal= {arXiv preprint arXiv:2107.13517},
year = {2021}
}