Bayesian Emulation and History Matching of JUNE
Bayesian Emulation and History Matching of JUNE
复制标题
六月的贝叶斯仿真和历史匹配
DOI：
10.1101/2022.02.21.22271249
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Vernon I
中科院分区：
文献类型：
--
作者：
Vernon I
我们分析JUNE：作为RAMP计划的一部分，开发了一个具有高空间和人口分辨率的COVID-19传播详细模型。JUNE需要大量计算资源进行评估，使得模型校准和一般不确定性分析极具挑战性。我们描述并采用贝叶斯线性仿真和历史匹配的不确定性量化方法来模拟JUNEand进行全局参数搜索，从而确定参数空间区域，产生可接受的匹配观察到的数据，并展示了这种方法的能力。这篇文章是主题问题的一部分“模拟现实生活中的流行病的技术挑战和克服这些挑战的例子”。
We analyzeJUNE: a detailed model of COVID-19 transmission with high spatial and demographic resolution, developed as part of the RAMP initiative.JUNErequires substantial computational resources to evaluate, making model calibration and general uncertainty analysis extremely challenging. We describe and employ the uncertainty quantification approaches of Bayes linear emulation and history matching to mimicJUNEand to perform a global parameter search, hence identifying regions of parameter space that produce acceptable matches to observed data, and demonstrating the capability of such methods.This article is part of the theme issue ‘Technical challenges of modelling real-life epidemics and examples of overcoming these’.