基于模型预测的 COVID-19 大流行传播动态追踪
种群与进化
2020-10-28 v1 混沌动力学
物理与社会
摘要
本文采用易感-感染-移除（SIR）模型追踪 COVID-19 病毒在四个关注国家中的传播演变。具体而言，该依赖于若干基本特征的流行病模型被应用于模拟意大利、印度、韩国和伊朗的疫情时间演化。病毒传播带来的经济、社会与健康后果是灾难性的。因此，亟需开发可用的数学模型，并将已发布的数据集与模型预测进行比较。此处由 SIR 模型估计的预测可用于对传播进行定性与定量分析。通过每日更新数据与模型，它提供了仅凭已发布数据无法获得的病毒传播洞察。例如，利用我们的建模方法可检测感染激增的早期迹象或第二波疫情的发展。我们考量了 2020 年 3 月至 6 月的数据，当时不同社群受到严重影响。我们展示了取决于模型参数、关于 COVID-19 传播直至 2020 年 9 月的预测。通过比较已发布数据与模型结果，我们得出结论：以此方式，或可更好地反映政府与个人为缓解和控制当前大流行所采取措施的成败。
引用
@article{arxiv.2007.02032,
title = {Dynamic tracking with model-based forecasting for the spread of the COVID-19 pandemic},
author = {Ian Cooper and Argha Mondal and Chris G. Antonopoulos},
journal= {arXiv preprint arXiv:2007.02032},
year = {2020}
}
备注
17 pages, 13 figures