预测动物浮游生物驱动的霍乱病态流行病学动力学:新贝叶斯规范的深度NARX神经架构
Muhammad Junaid Ali Asif Raja1, Adil Sultan1, Chuan-Yu Chang1
1Department of Computer Science and Information Engineering, National Yunlin University of Science and Technology, 123 University Road, Section 3, Douliou, Yunlin, 64002, Taiwan, ROC.
Computers in biology and medicine
|April 23, 2025
概括
这项研究以贝叶斯规范深度非线性自回归外源 (BRDNARX) 神经网络为模型,模拟由动物浮游生物驱动的霍乱传播. 该方法准确地预测疾病的传播,为公共卫生干预Vibrio cholerae提供了一种新的工具.
科学领域:
- 环境微生物学 环境微生物学
- 流行病学 流行病学
- 计算生物学 计算生物学
背景情况:
- 霍乱爆发与淡水污染有关,这种污染是由Vibrio cholerae引起的,动物浮游生物作为水库.
- 了解水生生态系统的动态对于预测和预防霍乱传播至关重要.
研究的目的:
- 模拟动物浮游生物驱动的霍乱疾病传播 (ZDCDT) 的复杂动态.
- 评估霍乱流行病学新计算范式的预测准确度.
主要方法:
- 采用贝叶斯规范化的深度非线性自回归外源 (BRDNARX) 神经网络.
- 利用通过修改的亚当斯-巴什福斯-穆尔顿预测-校正方案生成的合成数据.
- 分析了植物浮游生物,动物浮游生物,人类种群和微生物病原体的密度.
主要成果:
- BRDNARX显示出高精度,比较绝对误差在10-3到10-9的范围内.
- 预测分析的平均平方误差从10-9到10-11不等.
- 该模型有效地捕获了复杂的病态流行病学动态.
结论:
- BRDNARX神经网络对于建模和预测动物浮游生物驱动的霍乱传播是有效的.
- 该研究确定了BRDNARX在流行病学系统中准确预测的有效性.
- 这种方法为反对霍乱的公共卫生战略提供了有价值的工具.
