基于流动性的SARS-CoV-2传播预测
摘要：COVID-19疫情对全球的迅速传播和其带来的巨大影响迫使决策者采取严格的措施以保护人口的安全。与此同时，社会和经济互动也需要得到保障。因此，在不同国家和疫情演变的不同阶段，出台了各种遏制措施并加以实施。通勤和购物活动、公共交通使用和居住地区的居民滞留时间提供了间接反映所采取遏制措施实际成效的可靠工具。本文以意大利为例，开发和测试了一个基于不同流动指标的深度学习模型，可以预测不同地区的各种传播场景。我们将展示遏制措施对"平抑曲线"的贡献，并量化所施加限制产生可察觉影响所需的最短时间范围，取决于它们的相关程度。
作者：Lorenzo Chicchi, Lorenzo Giambagli, Lorenzo Buffoni, Duccio Fanelli
论文ID：2102.08253
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2021-02-17