从 COVID-19 大流行中学习预测与通过预测学习
种群与进化
2020-05-06 v3 机器学习
定量方法
机器学习
摘要
对 COVID-19 的准确预测对于资源管理和制定应对流行病的策略至关重要。我们提出了一种带人口流动性的异质感染率模型用于流行病建模，其初步版本已成功用于 DARPA Grand Challenge 2014。通过线性化模型并使用加权最小二乘，我们的模型能够快速适应变化趋势，并在国家和地区层面对确诊病例提供极为准确的预测。我们表明在流行病早期，使用出行数据可提升预测。训练模型进行预测也使其能够学习流行病特征。特别地，我们表明模型参数随时间的变化可帮助我们量化某州或某国对流行病的应对效果。参数的变化还允许我们预测不同情景，例如若我们无视社交距离建议会发生什么。
引用
@article{arxiv.2004.11372,
title = {Learning to Forecast and Forecasting to Learn from the COVID-19 Pandemic},
author = {Ajitesh Srivastava and Viktor K. Prasanna},
journal= {arXiv preprint arXiv:2004.11372},
year = {2020}
}
备注
12 pages, 8 figures. Added a figure