COVID-19时间序列数据与模型融合的代理参数优化
计算机与社会
2021-09-10 v1 神经与进化计算
摘要
我们的研究重点是开发一个计算框架来模拟COVID-19大流行的传播动态。我们以南非为案例研究，探讨了名为ADRIANA的系统的开发。ADRIANA系统的设计将三个子模型相互连接，以建立一种计算技术，为减少南非COVID-19传播模式的封锁措施提供政策建议。此外，ADRIANA的输出可用于医疗保健管理部门预测治疗感染者所需资源的峰值需求时间。ABM适合我们的研究实验，但为了避免在本研究中使用基于ABM的框架带来的计算限制，我们开发了一个SEIR房室模型、一个离散事件模拟器和一个优化的代理模型，共同构成了名为ADRIANA的系统。我们还确保代理模型的发现足够准确，以提供最优解。我们使用遗传算法（GA）进行优化，通过估计代理模型的最优超参数配置。我们通过讨论ADRIANA系统提供的解决方案来结束本研究，这与我们研究的主要目标一致，即为政府的封锁政策和医院管理者的资源管理提供最优指导。
引用
@article{arxiv.2109.04207,
title = {Surrogate Parameters Optimization for Data and Model Fusion of COVID-19 Time-series Data},
author = {Timilehin Ogundare and Terence Van Zyl},
journal= {arXiv preprint arXiv:2109.04207},
year = {2021}
}
备注
7pages, 7figures, 2tables, 1 equation, conference paper to for a computational solution to COVID-19 pandemic