基于模型的非药物干预大流行预测与最优控制
最优化与控制
2021-11-23 v5 种群与进化
摘要
提出一种基于模型的信号处理框架，用于全球区域与国家层面通过非药物干预（NPI）进行大流行趋势预测与控制。控制目标是在不同严格程度下规定可量化的 NPI 策略，以平衡人为因素（如新增病例与死亡率）与各区域/国家的干预成本。由于基础设施差异及区域与国家优先事项不同，策略制定者被赋予在不同 NPI 间加权及选择人为因素与总体 NPI 成本间所需平衡的灵活性。所提框架基于双目标问题的有限时域最优控制（FHOC）公式，并通过专用的扩展卡尔曼滤波/平滑框架数值求解 FHOC，以进行最优 NPI 估计与大流行趋势预测。该算法使策略制定者能通过一组权重与参数选择人为因素与 NPI 成本间的所需平衡。模型参数部分由 COVID-19 研究的流行病学事实选定，部分通过机器学习技术训练。所开发算法应用于 Oxford COVID-19 政府响应追踪项目的真实数据，该项目自 2020 年 1 月以来对全球 300 多个国家和地区的大流行区域响应进行了分类与量化。该数据集用于 XPRIZE 大流行响应挑战中的基于 NPI 的预测与处方。
引用
@article{arxiv.2102.06609,
title = {Model-based Prediction and Optimal Control of Pandemics by Non-pharmaceutical Interventions},
author = {Reza Sameni},
journal= {arXiv preprint arXiv:2102.06609},
year = {2021}
}
备注
11 Pages, 6 figures, 24 references