监测、建模、预测与控制 Covid-19 大流行的数据驱动方法：利用数据科学、流行病学与控制理论
种群与进化
2020-06-11 v2 机器学习
数据分析、统计与概率
物理与社会
摘要
本文分析了数据驱动方法在 Covid-19 大流行中的作用。我们提供了 SWOT 分析与一条从数据来源获取到最终决策步骤的路线图。我们旨在回顾现有方法，同时预见开发数据驱动策略以抗击 Covid-19 大流行中的困难与挑战。我们提出了一项 3M 分析：监测（Monitoring）、建模（Modelling）与决策（Making decisions）。重点在于知名数据驱动方案应对大流行所引发各类挑战的潜力：(i) 监测与预测疫情传播；(ii) 评估政府决策的有效性；(iii) 做出及时决策。路线图的每一步均通过对成熟理论结果的回顾及其在 Covid-19 背景下的潜在应用加以详述。在可能时，我们提供其在过往或当前疫情中应用的实例。我们未详尽列举方法、算法与应用，但力求成为提供疫情整体应对所需不同学科之间（数据科学、流行病学、控制理论等）的桥梁。即，我们强调那些已在其他语境中被证明确实成功、并在所提路线图各步骤中具有潜在应用的有效数据驱动方法。为使本文更具实用性并适应各学科特性，我们鼓励研究人员与从业者提供反馈。我们将定期更新本文。
引用
@article{arxiv.2006.01731,
title = {Data-Driven Methods to Monitor, Model, Forecast and Control Covid-19 Pandemic: Leveraging Data Science, Epidemiology and Control Theory},
author = {Teodoro Alamo and D. G. Reina and Pablo Millán},
journal= {arXiv preprint arXiv:2006.01731},
year = {2020}
}