增强流行病预测：评估移动性数据与图卷积网络的作用
机器学习
2025-06-16 v1 人工智能
摘要
准确预测传染病疫情爆发对于明智的决策至关重要。我们的研究解决了机器学习算法与其流行病学应用之间的差距，指出在基准数据集上表现最优的方法在处理真实世界数据时往往表现不佳，这是由于难以纳入移动性信息。我们采用两阶段方法：首先通过试点研究评估移动性数据的重要性，然后在 Transformer 主干网络上评估图卷积网络的影响。我们的发现表明，虽然移动性数据和 GCN 模块并未显著提升预测性能，但纳入死亡率和住院数据显著提高了模型准确性。此外，GCN 生成的空间地图与封锁指令之间的比较分析显示出显著相关性，突显了空间地图作为移动性敏感指标的潜力。我们的研究为传染病预测建模中的移动性表示提供了新视角，使决策者能够更好地为未来的爆发做好准备。
关键词
引用
@article{arxiv.2506.11028,
title = {Enhancing Epidemic Forecasting: Evaluating the Role of Mobility Data and Graph Convolutional Networks},
author = {Suhan Guo and Zhenghao Xu and Furao Shen and Jian Zhao},
journal= {arXiv preprint arXiv:2506.11028},
year = {2025}
}