基于数据驱动的非药物干预COVID-19疫情控制：一种几何规划方法
最优化与控制
2021-05-21 v1 系统与控制
系统与控制
摘要
本文提出一种SARS-CoV-2传播的数据驱动模型，并借此设计最优的人类出行限制控制策略，以在遏制疫情的同时最小化实施非药物干预所带来的经济成本。我们拓展了SEIR传染病模型，以捕捉人类出行变化对疾病传播的影响。该数据驱动模型的参数通过多任务学习方法获得，该方法利用了多个地区死亡人数数据以及各地区特定的手机用户出行模式数据。我们在此数据驱动模型上提出一个最优控制问题，并由几何规划给出易处理的求解方案。该框架的结果是一种基于出行的干预策略，可在遵守经济成本预算的前提下遏制疫情传播。此外，在缺乏人类出行数据到经济成本直接映射的情况下，我们提出一种实用方法，用以选择可因避免医院资源过度使用所致超额死亡的经济损失预算。我们的结果通过使用费城大都会区真实数据的数值模拟得以展示。
引用
@article{arxiv.2011.01392,
title = {Data-Driven Control of the COVID-19 Outbreak via Non-Pharmaceutical Interventions: A Geometric Programming Approach},
author = {Mikhail Hayhoe and Francisco Barreras and Victor M. Preciado},
journal= {arXiv preprint arXiv:2011.01392},
year = {2021}
}
备注
16 pages, 5 figures