0
| 本文作者： 章敏 | 2016-09-02 17:18 |
導(dǎo)讀：SIR模型是傳染病模型中最經(jīng)典的模型，最基本的模型，為傳染病動(dòng)力學(xué)的研究做出了奠基性的貢獻(xiàn)。其中S表示易感者，I表示感染者，R表示移出者。
摘要：在流行病建模中，狀態(tài)濾波在提高傳統(tǒng)傳染病模型的性能方面是一種很好的工具。我們引入了一種新的狀態(tài)過(guò)濾算法，以進(jìn)一步提高基于易感者-感染者-移出者SIR）模型最好方法的性能。該算法融合了兩種技術(shù)，它們被通常單獨(dú)使用：線性校正，如在集合卡爾曼濾波（中EnKF）看到一樣，和重采樣，如用于粒子濾波（PF）中一樣。通過(guò)利用了非中心的協(xié)方差矩陣（UCM）和標(biāo)準(zhǔn)柱中心的協(xié)方差矩陣（CCM）這兩種矩陣的算法，我們將我們方法的推理精度與EnKF和集合調(diào)整卡爾曼濾波（EAKF）進(jìn)行了比較。相比于EnKF我們的算法需要O（DN）更多的時(shí)間，其中D是集合維度和N表示集合大小。我們的經(jīng)驗(yàn)表明，在選定的方法中，我們的UCM算法在14個(gè)主要現(xiàn)實(shí)世界的11個(gè)場(chǎng)景中實(shí)現(xiàn)了最小的均方根誤差（RMSE）和最高的相關(guān)系數(shù)（CORR）。我們表明，盡管在大多數(shù)情況下有著CCM的EAKF可以獲得更好的精度，但有著UCM的 EnKF優(yōu)于有著CCM的EnKF。
Weipeng Huang
郵箱： weipeng.huang@insight-centre.org
任職:科克大學(xué)計(jì)算機(jī)科學(xué)系博士
研究方向：數(shù)據(jù)挖掘，算法，人工智能
本文提出了一種改進(jìn)的基于SIR濾波算法，BASS，用于預(yù)測(cè)季節(jié)性流感水平。14個(gè)主要現(xiàn)實(shí)世界的11個(gè)場(chǎng)景中，它經(jīng)驗(yàn)性的實(shí)現(xiàn)了最優(yōu)的RMSE和CORR。實(shí)驗(yàn)結(jié)果表明，在我們的構(gòu)思中，BASS和EnKF的表現(xiàn)優(yōu)于UCM，而且EAKF利用CCM是理想狀態(tài)。
我們的未來(lái)的工作包括結(jié)合社會(huì)數(shù)據(jù)，以進(jìn)一步改善模型和過(guò)濾器的方法。我們對(duì)于結(jié)合SIRS模型與過(guò)濾器預(yù)測(cè)持續(xù)性季節(jié)性流感方面也有很大興趣。此外，我們還想評(píng)估我們的濾波算法是否適用于其他的一般問(wèn)題。
via：ECAI 2016
PS : 本文由雷鋒網(wǎng)獨(dú)家編譯，未經(jīng)許可拒絕轉(zhuǎn)載！
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
