通过场反演进行系统推理：密歇根州和墨西哥COVID-19的时空进展研究
摘要：使用偏微分方程（PDE）版本的易感者、感染者、康复者、死亡者（SIRD）流行病学分区模型，我们提出了一种研究和预测传染病时空进展的方法。通过将分区人群替换为它们的密度，来解决这个问题。基于我们最近的工作（计算力学，66，1177，2020），我们用具有局部支持的基函数取代了先前使用的全局多项式基函数，作为SIRD参数的空间表示，这在有限元方法中得到了体现。时间依赖性通过在与半离散数值实现中的时间步长相一致的时间间隔上推断恒定参数来处理。综合起来，这就是SIRD参数在每个时间步长上的场逆推算法。应用于2020年密歇根州和墨西哥整个十个月的大流行病数据，我们的系统推断通过场逆推算法推断出具有高准确性的时空变化的PDE SIRD参数，以重现大流行病的进展。与数据对比时，它还可以对2021年的三周期间进行准确预测。值得注意的是，这些结果揭示了感染、康复和死亡率的时空变化以及由分区的扩散系数揭示的人群流动模式。
作者：Zhenlin Wang, Mariana Carrasco Teja, Xiaoxuan Zhang, Gregory Teichert, and Krishna Garikipati
论文ID：2104.14462
分类：Biological Physics
分类简称：physics.bio-ph
提交时间：2021-04-30