基于交叉验证遗传算法的流行病模型及其在阿尔及利亚COVID-19早期扩散中的应用
种群与进化
2021-12-01 v5 定量方法
摘要
提出了一种使用遗传算法和交叉验证方法优化以克服过拟合问题的动态流行病模型。应用交叉验证过程，将可用数据划分为用于拟合算法参数的训练子集和用于验证的较小子集。该过程在应用于阿尔及利亚之前，先在意大利、西班牙、德国和韩国进行了测试。有趣的是，我们的研究揭示了训练样本大小与遗传算法中所需代数之间的反比关系。此外，本工作中增强的 compartmental 模型被证明是估计关键流行病参数和易感人群中不可测量的无症状感染部分的可靠工具，以便建立现实的流行病演变现在 cast 和预测。该模型用于研究2020年2月25日至5月24日期间阿尔及利亚的COVID-19暴发动态。在暴发三个月后的5月24日，基本再生数和有效再生数估计分别为3.78（95% CI 3.033-4.53）和0.651（95% CI 0.539-0.761）。还计算了疾病发病率、CFR和IFR。为本研究目的开发的数值程序已公开以供复现和进一步使用。
引用
@article{arxiv.2005.13516,
title = {Genetic algorithm with cross validation-based epidemic model and application to early diffusion of COVID-19 in Algeria},
author = {Mohamed Taha Rouabah and Abdellah Tounsi and Nacer Eddine Belaloui},
journal= {arXiv preprint arXiv:2005.13516},
year = {2021}
}
备注
12 pages, 5 figures, 1 table, git at https://github.com/Taha-Rouabah/COVID-19, data at https://github.com/Taha-Rouabah/COVID-19/tree/master/Data