基于分层差异的美国动态贝叶斯流感预测
应用统计
2017-09-01 v1
摘要
及时准确的季节性流感预测将有助于公共卫生决策者规划干预策略、有效分配资源并可能挽救生命。由于这些原因，流感预测具有重要意义。然而，由于噪声和有限的数据、对疾病传播过程的不完全理解以及疾病传播过程与数据生成过程之间的不匹配，产生及时准确的流感预测已被证明具有挑战性。本文中，我们引入了一种动态贝叶斯（DB）流感预测模型，该模型通过分层模型利用模型差异。DB模型允许部分观测的流感季预测借用先前观测流感季的差异信息。我们将DB模型与所有参加CDC 2015--2016流感预测挑战赛的模型进行比较。DB模型优于所有模型，表明DB模型是一种领先的流感预测模型。
引用
@article{arxiv.1708.09481,
title = {Dynamic Bayesian Influenza Forecasting in the United States with Hierarchical Discrepancy},
author = {Dave Osthus and James Gattiker and Reid Priedhorsky and Sara Y. Del Valle},
journal= {arXiv preprint arXiv:1708.09481},
year = {2017}
}