新冠大流行中的感染预测——经验教训
计算机与社会
2021-12-22 v1 人工智能
机器学习
摘要
在新冠大流行期间，大量努力被用于开发在各种公共政策与非药物干预假设下预测感染人数的技术。尽管可用数据以及 AI 模型的复杂度和可用算力都超过了往年，但预测方法的整体成功非常有限。本文从为 XPrize 大流行应对挑战赛提出的预测算法出发，考虑若干可能改进它们的方向。随后，我们考察它们在跨越数个月的中期预测上的表现。我们发现，用关于所建模地区文化的额外信息增强算法、结合传统 compartmental 模型与最新深度学习架构可改善短期预测性能，但中期预测的准确度仍非常低，要使此类模型成为公共政策工具箱中可靠的一环仍需大量未来研究。
引用
@article{arxiv.2112.11187,
title = {Predicting infections in the Covid-19 pandemic -- lessons learned},
author = {Sharare Zehtabian and Siavash Khodadadeh and Damla Turgut and Ladislau Bölöni},
journal= {arXiv preprint arXiv:2112.11187},
year = {2021}
}