基于守恒量的流行病学储存模型稀疏识别
最优化与控制
2025-10-23 v1 动力系统
摘要
我们探讨了将稀疏微分方程模型识别框架应用于流行病学中储存模型的可能性。在这种框架中，通常会从多项式基函数中寻找稀疏表示，以吻合时间序列数据。开箱即用的底层稀疏回归问题方法在复现提供的时间序列方面具有中等成效，但通常无法产生一致、可解释的储存模型，也无法保存总体人口，这些都是原则储存建模中常见的属性。此外，储存多项式量，如状态变量之和，为多项式设计矩阵添加了代数细微之处。我们提出一种线性规划方案来解决这些问题，通过采用纯一范数目标、从设计矩阵的零空间中进行采样，并施加一组用于在储存之间流动的线性约束。我们对合成数据进行了若干数值实验，成功确保模型稀疏性，准确捕获系统动力学，并保持人口 Conservancy。
引用
@article{arxiv.2510.19762,
title = {Sparse identification of epidemiological compartment models with conserved quantities},
author = {Manuchehr Aminian and Kristin M. Kurianski},
journal= {arXiv preprint arXiv:2510.19762},
year = {2025}
}