基于图稀疏性促进惩罚泛函的再生数与空间连通结构联合估计

疫情期间，决策者亟需准确且稳健的工具来监测病原体传播。有效再生数，定义为一个受感染个体所引发的预期二次感染数量，是量化疫情强度的前沿指标。已开发出众多估计器来精确追踪再生数的时间演化。然而，由于全球报告感染数据质量不佳，COVID-19大流行监测带来了前所未有的挑战。在同时监测不同区域的疫情时，利用数据的空间结构可显著提升再生数估计的准确性和稳健性。然而，这需要对空间结构的良好估计。为解决这一主要局限，本工作提出了再生数与连通结构的联合估计器。该方法通过精心设计的合成数据上的密集数值模拟进行评估，并在真实的COVID-19时空感染数据上进行了验证。