基于深度切换自回归分解建模的PRRS疫情预测
机器学习
2021-10-08 v1
摘要
我们提出了一种面向畜牧业疫情预测的流行病学分析框架，重点研究养猪业中代价最高且具高度传染性的疾病——PRRS病毒。利用该框架，我们可通过捕捉基于场内猪只层面病毒传播动态与场间生猪调运网络的感染传播时空动态，预测生猪生产系统中所有农场的PRRS疫情。我们基于调运网络与SEIR传染病模型，利用养猪业提供的真实数据提取的统计信息模拟了PRRS感染流行。我们开发了一种分层因子化深度生成模型，该模型通过时变权重与空间相关的低维因子之积来近似高维数据，以实现逐农场的时序预测。预测结果表明，该模型能够以NRMSE = 2.5%的平均误差预测病毒传播进程。
引用
@article{arxiv.2110.03147,
title = {PRRS Outbreak Prediction via Deep Switching Auto-Regressive Factorization Modeling},
author = {Mohammadsadegh Shamsabardeh and Bahar Azari and Beatriz Martínez-López},
journal= {arXiv preprint arXiv:2110.03147},
year = {2021}
}