使用循环网络进行 SEIR 模型的参数估计
机器学习
2021-06-01 v1 机器学习
摘要
估计 SEIR 模型的参数 （例如传播率 ）的标准方法是使用网格搜索，即对每组参数进行模拟，并选择使预测感染数与观测感染数之间 距离最小的参数集。这种暴力策略不仅耗时（因为在大种群下模拟缓慢），而且不准确，因为不可能枚举所有参数组合。为解决这些问题，本文提出将寻找最优 的不可微问题转化为可微问题：我们首先训练一个循环网络来拟合少量模拟数据；接着，基于这个能够泛化 SEIR 模拟的循环网络，我们能够将关于 的目标转化为可微形式，并直接获得其最优值。所提策略在时间上高效（仅依赖少量 SEIR 模拟），且准确（我们可基于可微目标找到最优 ）。在两个 COVID-19 数据集上，我们观察到所提策略以更少的模拟次数实现了显著更好的参数估计。
引用
@article{arxiv.2105.14524,
title = {Parameter Estimation for the SEIR Model Using Recurrent Nets},
author = {Chun Fan and Yuxian Meng and Xiaofei Sun and Fei Wu and Tianwei Zhang and Jiwei Li},
journal= {arXiv preprint arXiv:2105.14524},
year = {2021}
}