[論文レビュー] The Reconstruction and Prediction Algorithm of the Fractional TDD for the Local Outbreak of COVID-19

Yu Chen, Jin Cheng+2 more|arXiv (Cornell University)|Feb 24, 2020

Fractional Differential Equations Solutions参考文献 7被引用数 22

ひとこと要約

本稿では、COVID-19の局所的流行をモデル化するため、リーマン・リウヴィルの分数階微分を用いて確定症例および回復症例における準拡散を捉える分数時間遅れ動的システム（FTDD）を提案する。モデルは公衆衛生データを用いて安定なアルゴリズムによりパラメータを再構成し、実世界のデータと密接に一致する予測をもたらす。最適な分数階はそれぞれ 0.965 < α ≤ 1 および 0.84 < λ ≤ 1 の範囲で得られた。

ABSTRACT

From late December, 2019, the novel Corona-Virus began to spread in the mainland of China. For predicting the trend of the Corona Virus spread, several time delay dynamic systems (TDD) are proposed. In this paper, we establish a novel fractional time delay dynamic system (FTDD) to describe the local outbreak of COVID-19. The fractional derivative is introduced to account for the sub-diffusion process of the confirmed and cured peoples growth. Based on the public health data by the government, we propose a stable reconstruction algorithm of the coefficients. The reconstructed coefficients are used to predict the trend of the Corona-Virus. The numerical results are in good agreement with the public data.

研究の動機と目的

• 確定および回復したCOVID-19症例の増加における準拡散行動を捉える数学的モデルの開発を目的とする。
• 潜伏期間および治療期間を反映する時間遅れを分数階動的システムに組み込むことを目的とする。
• 安定なアルゴリズムを用いて公式の日次データからモデルパラメータを再構成することを目的とする。
• 中国の湖北および非湖北地域からの公式データと比較して、モデルの予測精度を検証することを目的とする。
• 観察された流行傾向に最も適合する分数階 α および λ の最適範囲を同定することを目的とする。

提案手法

• リーマン・リウヴィル微分を用いた分数時間遅れ動的システム（FTDD）を定式化し、累積確定症例（J(t)）および累積回復症例（R(t)）を準拡散過程としてモデル化する。
• 潜伏期間および回復期間を表す時間遅れ τ₁ および τ₂ を導入し、積分項を用いて遅れのある感染伝播および回復をモデル化する。
• 特定の条件（α₁ + α₂ ≤ 1）の下でリーマン・リウヴィル微分の半群性質を適用し、パラメータ推定における数値的安定性を確保する。
• 公式の日次確定および回復症例データから主要パラメータ（β, ℓ, γ, κ）を推定する安定な再構成アルゴリズムを開発する。
• 2020年2月15日～19日の実データを用いた数値シミュレーションにより、湖北および非湖北地域における予測値と観測値を比較する。
• 二段階のアプローチを採用する：まず歴史的データを用いてパラメータを再構成し、次に再構成されたモデルを用いて将来の傾向を予測する。

実験結果

リサーチクエスチョン

• RQ1 分数階微分は、確定および回復症例の増加における準拡散行動を効果的にモデル化できるか？
• RQ2 分数階 α を変化させた場合、予測された累積確定症例数にどのような影響が生じるか？
• RQ3 回復者集団に異なる分数階 λ を適用した場合、モデルの予測精度にどのような影響が生じるか？
• RQ4 提案されたFTDDモデルは、2020年初期の実際の公衆衛生データと密接に一致する予測を生成できるか？
• RQ5 最も安定的かつ正確な予測をもたらす分数階 α および λ の最適範囲は何か？

主な発見

• 再構成された分数階モデルは、中国の公式公衆衛生データと強く一致する累積確定症例および回復症例の予測をもたらす。
• α < 0.965 の場合、予測された確定症例数は急激に増加し、2020年3月上旬まで安定化しないことが示され、不安定性を示す。
• λ < 0.85 の場合、予測された回復症例数が現在隔離中の人数を下回り、非現実的な動的挙動を示す。
• 分数階 (α = 1.0, λ = 0.9) を用いたモデルは、整数階モデルと比較して、確定症例数が多く、回復症例数が少ない予測を示し、現実の報告不足および再発症状況をよりよく反映している。
• モデルの安定性およびデータ適合性に基づき、分数階の最適範囲は 0.965 < α ≤ 1 および 0.84 < λ ≤ 1 と特定された。
• パラメータ推定結果から、β および ℓ は異なる α および λ 値において相対的に安定している一方、γ および κ は準拡散挙動に適合させるために調整されている。