基于小波理论与机器学习的流行病动力学及其在Covid-19中的应用
最优化与控制
2020-12-22 v2 机器学习
摘要
我们引入流行病拟合小波的概念，其特别地包含经典SIR模型中时刻的染病者数量及其导数作为特例。我们提出一种利用小波理论进行模型选择、并辅以基于机器学习的曲线拟合技术来建模流行病动力学的新方法。我们的通用模型是由流行病拟合小波有限线性组合构成的函数。我们基于约翰斯·霍普金斯大学数据集，对当前Covid-19（SARS-CoV-2）在法国、德国、意大利、捷克共和国以及美国纽约州与佛罗里达州的传播进行建模与预测，以应用我们的方法。
引用
@article{arxiv.2010.14004,
title = {Epidemic Dynamics via Wavelet Theory and Machine Learning, with Applications to Covid-19},
author = {Tô Tat Dat and Protin Frédéric and Nguyen T. T. Hang and Martel Jules and Nguyen Duc Thang and Charles Piffault and Rodríguez Willy and Figueroa Susely and Hông Vân Lê and Wilderich Tuschmann and Nguyen Tien Zung},
journal= {arXiv preprint arXiv:2010.14004},
year = {2020}
}
备注
References added, typos fixed, projections updated, minor mistakes corrected