基于中国 COVID-19 数据对各种传染病模型的理性评估
种群与进化
2021-09-16 v2 动力系统
定量方法
摘要
本文基于赤池信息准则、均方根误差和鲁棒性系数，对各类传染病模型/方法（包括七种经验函数、四种统计推断方法和五种动力学模型）的预测能力进行了理性评估。针对中国 COVID-19 疫情的暴发数据，我们发现，在拐点之前，所有模型均无法做出可靠预测。Logistic 函数持续低估最终疫情规模，而 Gompertz 函数在所有情况下均做出高估。就统计推断方法而言，序贯贝叶斯方法和时变再生数方法在疫情后期更为准确。指数增长方法相对于拐点的从低估到高估的转移型行为，可能有助于构建更可靠的预测。与基于 ODE 的 SIR、SEIR 和 SEIR-AHQ 模型相比，SEIR-QD 和 SEIR-PO 模型在研究 COVID-19 疫情时总体表现更优，我们相信其成功可归因于模型复杂度与拟合精度之间的恰当权衡。我们的发现不仅对 COVID-19 疫情预测至关重要，也可能适用于其他传染病。
引用
@article{arxiv.2003.05666,
title = {Rational evaluation of various epidemic models based on the COVID-19 data of China},
author = {Wuyue Yang and Dongyan Zhang and Liangrong Peng and Changjing Zhuge and Liu Hong},
journal= {arXiv preprint arXiv:2003.05666},
year = {2021}
}
备注
25 pages, 5 figures, 2 tables