Inverse problem for parameters identification in a modified SIRD epidemic model using ensemble neural networks

要約

この論文では、古典的な SIR モデルの拡張である、故人を別のカテゴリーとして考慮する SIRD モデルのパラメータ同定方法論を提案します。
さらに、私たちのモデルには、実際の総感染者数と公式統計に記録された感染者数との比率であるパラメーターが 1 つ含まれています。
政府の決定、いくつかの亜種の流通、学校の開校と閉校などの多くの要因により、モデルのパラメーターが長期間一定に維持されるという一般的な仮定は現実的ではありません。
したがって、私たちの目的は、短期間で効果のある方法を作成することです。
このスコープでは、過去 7 日間のデータに基づいて推定に取り組み、特定されたパラメーターを使用して予測を行います。
パラメータの推定を実行するために、ニューラル ネットワークのアンサンブルの平均を提案します。
各ニューラル ネットワークは、ランダムなパラメーターを使用して 7 日間 SIRD を解くことによって構築されたデータベースに基づいて構築されます。
このようにして、ネットワークは SIRD モデルの解からパラメーターを学習します。
最後に、アンサンブルを使用してルーマニアの Covid19 の実際のデータからパラメーターの推定値を取得し、10 日から 45 日までのさまざまな期間の死亡者数の予測を示します。
主な目標は、このアプローチをルーマニアにおける新型コロナウイルス感染症の進化の分析に適用することでしたが、これはハンガリー、チェコ共和国、ポーランドなどの他の国々でも実証され、同様の結果が得られました。
結果は、報告されたデータからモデルのパラメーターを復元できることを保証する定理によって裏付けられています。
私たちは、この方法論が感染症の短期予測を扱うための一般的なツールとして、または他のコンパートメント モデルとして使用できると考えています。

要約(オリジナル)

In this paper, we propose a parameter identification methodology of the SIRD model, an extension of the classical SIR model, that considers the deceased as a separate category. In addition, our model includes one parameter which is the ratio between the real total number of infected and the number of infected that were documented in the official statistics. Due to many factors, like governmental decisions, several variants circulating, opening and closing of schools, the typical assumption that the parameters of the model stay constant for long periods of time is not realistic. Thus our objective is to create a method which works for short periods of time. In this scope, we approach the estimation relying on the previous 7 days of data and then use the identified parameters to make predictions. To perform the estimation of the parameters we propose the average of an ensemble of neural networks. Each neural network is constructed based on a database built by solving the SIRD for 7 days, with random parameters. In this way, the networks learn the parameters from the solution of the SIRD model. Lastly we use the ensemble to get estimates of the parameters from the real data of Covid19 in Romania and then we illustrate the predictions for different periods of time, from 10 up to 45 days, for the number of deaths. The main goal was to apply this approach on the analysis of COVID-19 evolution in Romania, but this was also exemplified on other countries like Hungary, Czech Republic and Poland with similar results. The results are backed by a theorem which guarantees that we can recover the parameters of the model from the reported data. We believe this methodology can be used as a general tool for dealing with short term predictions of infectious diseases or in other compartmental models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google