基于可解释注意力序列到序列模型的时空出行距离对疫情的影响
物理与社会
2023-11-14 v2 人工智能
种群与进化
应用统计
摘要
在 COVID-19 大流行期间，出行限制已成为减缓病毒传播的关键干预措施。在本研究中，我们通过引入注意力模块增强了模型——序列到序列疫情注意力网络（S2SEA-Net）——的预测能力，从而能够评估不同类别出行距离对疫情动态的影响。此外，我们的模型可对新确诊案例与死亡人数进行预测。为此，我们利用不同出行距离类别下的人口流动每日数据，结合美国县级疫情数据。我们的发现阐明了不同距离范围出行者数量与 COVID-19 轨迹之间的引人注目关系。值得注意的是，就这些出行距离类别而言，在全国尺度上浮现出清晰的空间模式。我们揭示了不同出行距离下人口流动对疫情传播动态影响的地理差异。这将有助于制定未来疫情防控与公共卫生政策。
引用
@article{arxiv.2206.02536,
title = {The impact of spatio-temporal travel distance on epidemics using an interpretable attention-based sequence-to-sequence model},
author = {Yukang Jiang and Ting Tian and Huajun Xie and Hailiang Guo and Xueqin Wang},
journal= {arXiv preprint arXiv:2206.02536},
year = {2023}
}
备注
18 pages, 7 figures