PECAIQR：一种应用于Covid-19疫情传染病的模型
种群与进化
2020-06-25 v1 机器学习
物理与社会
摘要
Covid-19大流行清楚地表明需要改进现代多元时间序列预测模型。当前对未来每日死亡人数尤其是医疗资源使用量的前沿预测，其置信区间宽得不可接受。政策制定者与医院需要准确预测以就立法和资源分配做出明智决策。我们使用美国县级每日死亡数据和人口统计来预测未来死亡人数。我们将SIR流行病学模型扩展为一种称为PECAIQR模型的新模型。它通过考虑美国实施的部分隔离的影响，向朴素SIR模型添加了若干新变量和参数。我们用数值积分将数据拟合到模型参数。由于参数空间中的拟合退化及参数的非恒定性质，我们开发了多种方法来优化拟合，例如对数据尾部训练和针对特定政策体制训练。我们使用交叉验证在县级调优超参数，并生成未来每日死亡人数的CDF。对于基于截至5月25日训练数据所做的预测，我们在14天预测上一致地获得了0.096的平均pinball损失分数。我们最后给出了模型可能应用途径的示例。我们生成过去不同1个月窗口的更长时间尺度预测，预测各县需要多少呼吸机与ICU床位等医疗资源，并评估我们的模型在其他国家的有效性。
引用
@article{arxiv.2006.13693,
title = {PECAIQR: A Model for Infectious Disease Applied to the Covid-19 Epidemic},
author = {Richard Bao and August Chen and Jethin Gowda and Shiva Mudide},
journal= {arXiv preprint arXiv:2006.13693},
year = {2020}
}