基于机器学习、确定性与随机 SIR 模型对 COVID-19 大流行确诊病例的比较预测
种群与进化
2020-04-29 v1 最优化与控制
机器学习
摘要
在本文中，我们提出机器学习技术以及带数值近似的 SIR 模型（确定性与随机情形），以预测 COVID-19 感染病例数，涵盖数日内及随后三周。如同文献 [1] 并基于文献 [2] 的公开数据，我们估计参数并作出预测，以帮助找到控制局势的具体行动。在乐观估计下，部分国家的疫情将很快结束，而对世界上大多数国家而言，抗疫的拐点将不晚于五月初。
引用
@article{arxiv.2004.13489,
title = {Comparative prediction of confirmed cases with COVID-19 pandemic by machine learning, deterministic and stochastic SIR models},
author = {Babacar Mbaye Ndiaye and Lena Tendeng and Diaraf Seck},
journal= {arXiv preprint arXiv:2004.13489},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2004.01574