Jul, 2023
一种基于实时信号和数据同化的流行病预测参数预测新方法
A novel approach for predicting epidemiological forecasting parameters based on real-time signals and Data Assimilation
Romain Molinas, César Quilodrán Casas, Rossella Arcucci, Ovidiu Şerban
TL;DR本文提出了一种新的方法，利用来自各种信息源的新实时信号（例如基于社交媒体的人口密度地图和空气质量数据）来预测流行病学参数，使用多个卷积神经网络（CNN）模型的集合，并使用各种数据源和融合方法来构建稳健的预测，在伦敦的 COVID-19 爆发预测中，气象信号和基于社交媒体的人口密度地图的组合提高了性能和灵活性，并通过数据同化估计了我们系统的状态，从而提高了我们的模型的稳定性和准确性。