COVID-19 的易感 - 感染 - 恢复(SIR)动态和经济影响
本文使用时间可变的易感 - 感染 - 恢复(SIR)模型回答了 COVID-19 相关问题,包括如何抑制疫情、疫情高峰和结束的时间、无症状感染者对疾病传播的影响、实现群体免疫所需感染者数量、社交隔离的有效性、长期感染者比例以及研究独立级联模型与 SIR 模型之间关系。
Feb, 2020
研究了通过标准 SIR 隔离模型控制 COVID-19 流行病的方法,通过降低社会交往行为来降低有效传播率,然而结果显示,每个人为了避免感染,限制自己的社交活动可能会导致社会收益的损失,存在着一定的混乱成本。
Apr, 2020
本文研究社交网络,尤其是社交网络上疾病的传播,在物理学界引起了广泛关注。我们证明了一类称为易感性 / 传染性 / 移除 (SIR) 模型可以在各种网络上得到精确解。此外,我们解决了各种时间和概率是非均匀和相关的情况,也考虑了一个简单的结构化群体的流行病情况,即男女分组的性传播疾病。通过在网络上进行 SIR 疫情的数值模拟,我们证实了我们的解的正确性。
Apr, 2002
本文分析了中国、意大利和法国 2020 年 1 月 22 日至 3 月 9 日新冠疫情爆发的时间动态,指出简单的平均场模型可以有效地描述病毒的传播特征以及患者感染人数的峰值及出现时间,尽管感染率和死亡率会有所变化,但康复速率参数似乎表现出匹配性。其中,本文所构建的模型对意大利新冠疫情的流行高峰定于 2020 年 3 月 20 日左右,最高感染人数约为 16,000 人。
Mar, 2020
本研究介绍了一种创新和伦理的策略来在传染病爆发期间平衡公共卫生和经济稳定,通过引入一种新型强化学习框架,该框架利用 SIR 模型,整合了封锁措施(通过严格指数)和疫苗接种策略来模拟疾病动态。
Apr, 2024
本文提出一种 SIS 模型的改进版,将警惕性引入该模型,得到了一个连续时间马尔可夫过程,并且证明了该模型的传播具有两个明显的阈值。实验进一步证明了,警惕性可以被视为控制流行病的一种策略,对从传染病缓解到减少恶意软件影响的多个应用领域具有潜在的发掘价值。
Jul, 2011
本文旨在通过基于自回归综合移动平均模型和小波预测模型的混合方法,对加拿大、法国、印度、韩国和英国进行短期(10 天)预测,另外运用最优回归树算法对 50 个受疫情影响巨大的国家进行病死率风险评估,旨在有效分配医疗资源和提供政策决策的预警。
Apr, 2020
我们提出了一种流行病学模型,它可以通过变分数据同化实时地整合新数据,用于预测和评估全球隔离措施的社会和经济成本,并分析和讨论中国、美国和意大利的感染率,尤其是我们开发了一个适用于中国城市疫情相关变量的定制隔室 SIR 模型,称为 SITR 模型,并应用混合数据同化方法使结果鲁棒性更强。
Apr, 2020
在自然灾害的背景下,人类的反应不可避免地与自然因素交织在一起。COVID-19 大流行作为一个重要的压力因素,揭示了不同国家在应对不同地区感染爆发蔓延方面适应动力的深刻差异,突显了文化特征在自然灾害分析中的关键作用。
Nov, 2023
本文介绍了一种通过非一致性锁定的最优控制方法进行疫情控制的数学框架,该框架允许我们有效计算一般传染病传播模型的最佳稳定锁定策略,包括 SIS/SIR/SEIR 模型和 COVID-19 传播的新模型,并演示了该框架的实际应用。
Oct, 2020