使用神经网络智能和最佳控制来数学建模和分析人类甲型肺炎病毒传播动态
Noor Muhammad1, Md Nur Alam2, Zhang Shiqing1
1School of Mathematics, Sichuan University, Chengdu, 610064, China.
这项研究开发了一种新的数学模型,用于预测人类甲肺病毒 (hMPV) 爆发,并优化控制策略,通过联合干预措施显著减少高峰住院病例的47.3%.
科学领域:
- 流行病学 流行病学
- 数学生物学 数学生物学
- 计算科学 计算科学
背景情况:
- 人类甲型肺炎病毒 (hMPV) 构成了全球重大健康风险,在所有年龄组中引起呼吸道疾病.
- 传播动态因免疫力下降和再感染而复杂,这给流行病学建模带来了挑战.
- 现有的模型难以捕捉复杂的免疫记忆效应,这对于理解hMPV传播至关重要.
研究的目的:
- 为hMPV传输开发一个集成的分数顺序数学模型.
- 为预测hMPV爆发和优化控制策略创建一个计算框架.
- 将复杂的免疫记忆效应纳入传输动态.
主要方法:
- 开发了一种用于hMPV传输的新型八隔间数学模型 (S0EIsIaHR1S1R2+).
- 使用下一代矩阵来确定基本复制数 (R0) 和平衡点.
- 采用经过修改的疾病信息的神经网络架构,灵感来自物理信息的神经网络,用于预测和分析.
- 进行了全球敏感性分析和最佳控制分析,以确定关键参数和有效干预措施.
主要成果:
- 数学模型证明了正确的位置,边界性和非负面性.
- 敏感性分析确定了传播率 (β),症状恢复率 (γs) 和症状比例 (p) 作为R0.0的关键驱动因素.
- 疾病信息的神经网络实现了高预测性能 (R2:0.85000.9800),平均误差低 (MSE ≤0.0443).
- 与基线相比,最佳控制策略将高峰住院率降低了47.3%.
结论:
- 综合框架有效地预测hMPV疫情,并评估控制措施.
- 研究结果强调了症状/无症状查,免疫维护和有效控制策略的重要性.
- 该研究为公共卫生官员提供了一种有价值的工具,以管理hMPV传播并减轻其影响.
更多相关视频
12:21A Mouse Model for the Transition of Streptococcus pneumoniae from Colonizer to Pathogen upon Viral Co-Infection Recapitulates Age-Exacerbated Illness
Published on: September 28, 2022
20:36Predicting the Effectiveness of Population Replacement Strategy Using Mathematical Modeling
Published on: July 4, 2007
相关概念视频
Application of Integration: Problem Solving
Steps in Outbreak Investigation
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Modeling with Differential Equations
