通过模型预测组合量化 COVID-19 流行病学预测的不确定性
应用统计
2021-08-13 v3
摘要
在整个 COVID-19 大流行期间，向英国政府提供的科学建议一直由科学大流行性流感建模组（SPI-M）成员所提供的流行病学模型集成所告知。除其他应用外，该模型集成已被用于预测每日发病、死亡与住院。这些模型在方法（如确定性或基于个体）及对疾病与人群的假设上有所不同。这些差异捕捉了对疾病动力学理解以及支撑模型的简化假设选择上真实存在的不确定性。尽管在时间紧迫时多模型集成的分析在后勤上具有挑战性，考虑结构不确定性可提升准确性并降低对预测过度自信的风险。本研究中，我们在大流行应对背景下比较了多种集成方法组合短期（14 天）COVID-19 预测的性能。我们处理了模型预测可用性相关的实际问题，并针对此挑战情形下标准方法的缺陷提出一些初步改进建议。
引用
@article{arxiv.2006.10714,
title = {Uncertainty quantification for epidemiological forecasts of COVID-19 through combinations of model predictions},
author = {D. S. Silk and V. E. Bowman and D. Semochkina and U. Dalrymple and D. C. Woods},
journal= {arXiv preprint arXiv:2006.10714},
year = {2021}
}