传染病传播模型中环境随机性的近似扩散过程
摘要：使用非常困难将传染病的传播动力学准确建模为不稳定和异质性的传播模型，并且要解释外部环境因素的变化，包括公众行为和季节性波动，几乎是不可能的。一种优雅的方法是将感染力建模为随机过程以捕捉环境随机性。然而，在这种情况下进行推断需要解决一个计算昂贵的“缺失数据”问题，需要使用数据增广技术。我们提出了一种模拟时间变化的传播潜力的方法，即使用布朗运动的路径级级数展开近似扩散过程。这种近似方法将“缺失数据”填补步骤替换为扩展系数的推断，这是一个更简单和计算更便宜的任务。我们通过两个例子说明了这种方法的优点：使用经典SIR模型建模流感，以及使用多类型SEIR模型建模COVID-19大流行。
作者：Sanmitra Ghosh, Paul J. Birrell, Daniela De Angelis
论文ID：2208.14363
分类：Computation
分类简称：stat.CO
提交时间：2023-07-19