使用 SEIR 模型与机器学习建模封锁及其他因素对印度 Covid-19 感染的影响
机器学习
2021-10-08 v1 人工智能
摘要
SEIR 模型是一种广泛使用的流行病学模型，用于预测感染人数的上升。该模型已在多国广泛用于预测 Covid-19 病例数。但原始 SEIR 模型未考虑封锁、疫苗和再感染等因素的影响。在印度，第一波 Covid 始于 2020 年 3 月，第二波始于 2021 年 4 月。本文中，我们修改 SEIR 模型方程以建模封锁与其他影响因素的效应，并使用 lmfit（一个用于曲线拟合的最小二乘优化的 Python 库）将模型拟合于印度每日 Covid-19 感染数据。我们将标准 SEIR 模型中的 R0 参数修改为矩形，以考虑封锁效应。我们修改后的 SEIR 模型准确拟合了可用的感染数据。
引用
@article{arxiv.2110.03422,
title = {Modeling Effect of Lockdowns and Other Effects on India Covid-19 Infections Using SEIR Model and Machine Learning},
author = {Sathiyanarayanan Sampath and Joy Bose},
journal= {arXiv preprint arXiv:2110.03422},
year = {2021}
}
备注
6 pages, 8 figures