[论文解读] Prediction of number of cases expected and estimation of the final size of coronavirus epidemic in India using the logistic model and genetic algorithm

Ganesh Kumar M, Soman K.P.+3 more|arXiv (Cornell University)|Mar 26, 2020

COVID-19 epidemiological studies参考文献 6被引用 8

一句话总结

本研究采用经遗传算法优化的逻辑斯蒂增长模型，预测印度2019冠状病毒病疫情的传播轨迹与最终规模。研究估计，疫情在2020年5月左右达到每日约1,000例新发病例的峰值，最终累计病例数约为12,000至14,000例，为疫情初期在印度的早期预测提供了指导。

ABSTRACT

In this paper, we have applied the logistic growth regression model and genetic algorithm to predict the number of coronavirus infected cases that can be expected in upcoming days in India and also estimated the final size and its peak time of the coronavirus epidemic in India.

研究动机与目标

• 预测疫情初期印度预期的2019冠状病毒病病例数。
• 利用数学建模估算疫情的最终规模与峰值时间。
• 通过遗传算法优化逻辑斯蒂模型参数，提升预测准确性。
• 为印度公共卫生规划提供可操作的流行病学洞察。

提出的方法

• 采用逻辑斯蒂增长回归模型，模拟病例数随时间累积的变化趋势。
• 利用遗传算法优化逻辑斯蒂模型的参数，包括增长率与承载能力。
• 使用截至2020年3月的印度报告病例数据进行模型拟合。
• 通过迭代演化参数组合，最小化预测值与实际病例数之间的差异。
• 通过未来病例数的预测及对疫情最终规模与峰值时间的估计，对最终模型进行验证。

实验结果

研究问题

• RQ1 未来几周内，印度预计新增2019冠状病毒病病例数是多少？
• RQ2 印度每日新增病例数的疫情峰值将在何时出现？
• RQ3 基于当前趋势，印度疫情的最终规模估计为多少？
• RQ4 如何通过优化技术改进逻辑斯蒂模型，以实现更佳的疫情预测？

主要发现

• 模型预测印度疫情在2020年5月中旬左右达到每日约1,000例新发病例的峰值。
• 疫情最终规模估计为累计12,000至14,000例。
• 与标准拟合方法相比，遗传算法显著提升了参数估计的准确性。
• 模型预测疫情结束时累计病例总数为13,000例，该估计值的95%置信区间已确定。