[论文解读] Predictions of 2019-nCoV Transmission Ending via Comprehensive Methods

Tianyu Zeng, Yunong Zhang+3 more|arXiv (Cornell University)|Feb 12, 2020

COVID-19 diagnosis using AI参考文献 16被引用 36

一句话总结

本论文提出一个多模型框架（MMODEs-NN）及无模型方法，用于预测中国省际COVID-19传播，指出在2020年2月18日之前减速，且在2020年4月之前结束。

ABSTRACT

Since the SARS outbreak in 2003, a lot of predictive epidemiological models have been proposed. At the end of 2019, a novel coronavirus, termed as 2019-nCoV, has broken out and is propagating in China and the world. Here we propose a multi-model ordinary differential equation set neural network (MMODEs-NN) and model-free methods to predict the interprovincial transmissions in mainland China, especially those from Hubei Province. Compared with the previously proposed epidemiological models, the proposed network can simulate the transportations with the ODEs activation method, while the model-free methods based on the sigmoid function, Gaussian function, and Poisson distribution are linear and fast to generate reasonable predictions. According to the numerical experiments and the realities, the special policies for controlling the disease are successful in some provinces, and the transmission of the epidemic, whose outbreak time is close to the beginning of China Spring Festival travel rush, is more likely to decelerate before February 18 and to end before April 2020. The proposed mathematical and artificial intelligence methods can give consistent and reasonable predictions of the 2019-nCoV ending. We anticipate our work to be a starting point for comprehensive prediction researches of the 2019-nCoV.

研究动机与目标

• 激发超越传统流行病学模型的综合预测方法需求。
• 开发基于多模型常微分方程（ODE）的神经网络（MMODEs-NN）以模拟省际传播。
• 引入使用 sigmoid、Gaussian 和 Poisson 分布的快速、线性无模型方法。
• 评估控制政策和旅行模式对传播动态及结束时间的影响。

提出的方法

• 引入 MMODEs-NN 通过 ODE 激活方法来模拟省际流动的 MMODEs-NN。
• 应用基于 sigmoid、Gaussian 和 Poisson 分布的无模型方法以实现快速预测。
• 确保方法是线性的且计算高效，适用于合理的预测。
• 进行数值实验以在2020年初疫情背景下评估预测。
• 分析特殊政策如何影响省际传播动态。

实验结果

研究问题

• RQ1 能否使用 MMODEs-NN 和无模型方法准确预测中国大陆的省际传播？
• RQ2 控制政策和春节大规模出行是否影响传播减速和结束的时间？
• RQ3 在这些综合方法下，预测的 2019-nCoV 疫情结束时间是什么？
• RQ4 这些方法在预测准确性方面与传统流行病学模型相比如何？

主要发现

• 部分省份的特殊政策在控制传播方面取得成功。
• 传播预计在2020年2月18日之前减速。
• 传播预计在2020年4月之前结束。
• 所提出的方法为 2019-nCoV 的结束提供了一致且合理的预测。