Overcoming Challenges for Estimating Virus Spread Dynamics from Data
Overcoming Challenges for Estimating Virus Spread Dynamics from Data
复制标题
克服从数据估计病毒传播动态的挑战
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
K. Johansson
中科院分区：
文献类型：
--
作者：
Damir Vrabac;Philip E. Paré;H. Sandberg;K. Johansson
本文研究了用时间序列数据估计离散时间网络病毒传播模型的参数。我们探讨了多种挑战对估计过程的影响，包括系统噪声、缺失数据、时变网络结构和测量的量化。我们还演示了如何很好地通过同构模型参数捕获异构模型。我们利用正在进行的2019年新型冠状病毒（2019- ncov）疫情收集的最新数据进一步说明了这些挑战，激励了未来的工作。
In this paper we investigate estimating the parameters of a discrete time networked virus spread model from time series data. We explore the effect of multiple challenges on the estimation process including system noise, missing data, time-varying network structure, and quantization of the measurements. We also demonstrate how well a heterogeneous model can be captured by homogeneous model parameters. We further illustrate these challenges by employing recent data collected from the ongoing 2019 novel coronavirus (2019-nCoV) outbreak, motivating future work.