基于神经网络的疫情应对疫苗策略优化
应用统计
2025-11-24 v1 计量经济学
最优化与控制
摘要
疫情风险评估具有内在挑战，传统方法往往难以平衡健康结果与经济约束。本文提出了一种数据驱动的决策支持工具，通过建模流行病动力学并优化疫苗策略，以控制疾病传播的同时最小化经济损失。该经济-流行病框架包含三个阶段：建模、优化与分析。首先，构建随机舒适模型捕捉疫情动力学；其次，构建最优控制问题以推导最小化疫情相关支出的疫苗接种策略。鉴于流行病模型的解析不可解，采用神经网络进行参数校准并求解高维控制问题。该框架基于澳大利亚维多利亚的 COVID-19 数据进行演示，经验性地推导出同时最小化疾病发病率和政府支出的优化疫苗策略。通过该三阶段框架，决策者可调整输入值以反映不断变化的传播动力学，持续更新策略，从而最小化总体成本，为未来疫情准备提供支持。
引用
@article{arxiv.2511.16932,
title = {Optimising pandemic response through vaccination strategies using neural networks},
author = {Chang Zhai and Ping Chen and Zhuo Jin and David Pitt},
journal= {arXiv preprint arXiv:2511.16932},
year = {2025}
}