关于新型冠状病毒肺炎一类基于CCDC统计数据的 随机时滞动力学模型

科学地预测新型冠状病毒肺炎疫情发展趋势对疫情防控至关重要.本文对中国疾病预防控制中心(CCDC)发布^[1]的数据进行了分析,给出了关于新型冠状病毒肺炎的一些可能的统计模型:传播链中连续病例的发病时间间隔分布、感染至发病的时间间隔分布和发病至住院的间隔时间3个分布,并形成了感染至确诊的时间间隔分布表达.结合CCDC统计数据和程晋团队的时滞动力学模型(TDD–NCP模型),本文发展了新的随机时滞动力学模型(Fudan–CCDC模型),并给出了参数反演结果与疫情分析.     

基于阶段式SIR-F模型的新冠肺炎疫情评估及预测

针对新冠肺炎疫情的发展呈现阶段性变化的特征,提出一种以阶段划分为基础,各阶段分别进行模型拟合的分析方法。在传统SIR(Susceptible-Infected-Recovered)模型的基础上考虑\"未确诊感染者\"、\"治愈者\"和\"死亡者\",构建阶段性SIR-F模型。结合增长态势识别、阶段划分、防控措施影响分析的方法,使用Python实现模拟仿真。实验证明,分阶段的拟合方法能比较准确地刻画疫情数据随时间的变化规律,以及防控措施产生的影响。     

新冠肺炎疫情传播预测方法综述

2019年底,新型冠状病毒肺炎（COVID-19）疾病爆发,为抑制病毒扩散并提前制定应对措施,预测病毒传播趋势成为了研究热点,各种COVID-19预测方法在疫情防控和稳定民心等方面起到了关键作用。根据近三年来的COVID-19传播趋势预测方法的文献资料,将预测方法分为数学模型预测方法、人工智能预测方法和群智能优化预测方法三类。陈述了新冠病毒的特性以及疫情带来的影响,并简要描述了目前各类预测方法的特点。分别介绍了三种预测方法中经典模型的发展历史以及分类,并从优缺点和性能等方面对各类改进模型进行了详细的对比分析。最后进行归纳总结,从预测方法的局限性入手,分析了各类方法的不足,并对传播预测方法的未来研究方向进行了展望。     

基于SEIR-ARIMA混合模型的新冠肺炎预测

新型冠状病毒肺炎简称新冠肺炎,是一种由新型冠状病毒引起的急性感染性肺炎,具有传染性强、人群普遍易感的特点。因此,对新冠肺炎感染人数的预测,不仅仅有利于国家面对疫情做出科学决策,而且有利于及时整合防疫资源。本文提出一种基于传统的传染病动力模型SEIR和差分整合移动平均自回归模型ARIMA构建的SEIR-ARIMA混合模型,对不同时间段、不同地点的新冠肺炎疫情做出预测和分析。从实验结果上看,基于SEIR-ARIMA混合模型的预测,比常见的用于新冠肺炎预测的逻辑回归Logistic、长短期记忆人工神经网络LSTM、SEIR模型、ARIMA模型有较好的预测效果。为了真实地反映出实验效果的提高是否源于SEIR与ARIMA模型结合的优势,本文还实现SEIR-Logistic混合模型和SEIR-LSTM混合模型,并与SEIR-ARIMA对比分析得出,SEIR-ARIMA预测都取得更好的预测效果。因此,基于SEIR-ARIMA混合模型对新冠肺炎的发展趋势的分析相对可靠,有利于国家面对疫情的科学决策,对我国未来预防其他类型的传染病具有很好的应用价值。     

信息化助力高校新冠肺炎疫情防控

面对突如其来的新型冠状病毒肺炎疫情,网络信息中心充分利用信息化手段,采取多项信息化措施扎实开展疫情防控工作,全力以赴打好疫情防控阻击战.     

基于SEIR模型的新型冠状病毒肺炎疫情分析

对新型冠状病毒肺炎的传播规律进行研究,为传染病防控提供科学依据.基于每日发布的新冠肺炎确诊人数数据集,采用经典的SEIR(Susceptible-Exposed-Infected-Recovered)传染病动力学模型模拟疫情传播过程;利用最小二乘法对感染系数β和恢复系数γ进行参数估计;通过过滤原始数据集、优化感染人群初始值I0和恢复系数γ等方法进一步提高模型预测的准确率.该方法能够合理地预测疫情确诊人数和疫情拐点,对全国、湖北省确诊人数的预测误差率分别不超过2.04％、1.25％,对于疫情防控具有实用价值.     

改进U-Net的新冠肺炎图像分割方法

新型冠状病毒肺炎(COVID-19)大流行疾病正在全球范围内蔓延.计算机断层扫描(CT)影像技术,在抗击全球COVID-19的斗争中起着至关重要的作用,诊断新冠肺炎时,如果能够从CT图像中自动准确分割出新冠肺炎病灶区域,将有助于医生进行更准确和快速的诊断.针对新冠肺炎病灶分割问题,提出基于U-Net改进模型的自动分割方...     

新冠肺炎疫情趋势预测模型

2019年新型冠状病毒肺炎(corona virus disease 2019,COVID-19)的爆发对人们的健康和生活造成了极大的危害和影响.预测疫情的发展趋势可帮助人们提前制定应对措施.SEIR模型是经典的传染病模型之一,由于该模型中病毒传染率为常数,难以对新冠肺炎传播情况进行准确建模并完成疫情趋势预测.针对此问...     

云平台技术在高校新冠肺炎疫情防控监测管理中的运用

提前谋划抗疫手段与方法对于疫情防控具有重要意义.通过研发一款基于云平台的高校新冠肺炎疫情防控系统,每日上报、记录学生的体温测量值和学生的出勤信息,建档形成电子档案.体温和出勤相关数据每日更新,一个不漏,实现数字化管控,系统与腾讯云平台对接,打通数据,将体温异常的学生信息第一时间发送给学校定点医护人员,及时防控疫情.同时...     

浅谈流行病动力学模型

流行病动力学研究可为新型冠状病毒肺炎疫情的控制决策提供科学依据,本文简介了经典SIR模型及基本再生数。     

基于声源阵列的空间麦克风定位方法研究

针对当前麦克风位置估计方法出现较少且只对平面的麦克风阵列进行位置估计的问题,提出了一种基于声源阵列的空间麦克风定位方法。该方法将四个声源按照正四面体形式排列,在利用其对称性保证定位全向性的同时,根据时延估计的测距方法计算麦克风与各个声源之间的距离,之后根据几何关系确定麦克风位置坐标,实现在线的基于声源阵列的空间麦克风位置估计。通过进行MATLAB仿真实验,验证了该方法的可行性和有效性。     

时滞系统的神经网络预测控制(英文)

针对时滞系统的特点和采用神经网络单值预测控制存在的不足,提出了多步超前预测与补偿的控制算法,有效地增加了控制力度,改善了动态性能,并论述了增加的预测与补偿步数与稳定的关系。     

一类大时间滞后系统的预估

本文研究一类具有大纯时间滞后系统的预估.所述系统的动态特性能用包含中间测量的链形模型描述.在这种模型的基础上,作者构造了充分利用测量信息的预估算法.该算法已在一个化工过程控制中成功应用.     

单神经元预测控制器在大时滞对象控制中的仿真研究

本文提出了一种单神经元预测控制器,该控制器利用增益自调整的优点,较好地解决了控制系统响应的快速性和鲁棒性的问题,并且能较好地克服过程大时滞的不利影响。本文给出了该控制器的算法,并和常规PID控制器等进行了仿真比较,取得了较好的效果。     

基于时延估计组合模型的NCS控制方法研究

在对网络传输时延的组成和特性进行分析的基础上,针对双边网络控制系统,提出了一种时延估计组合模型,并对该组合模型的有效性进行了评估。利用该模型进行网络时延估计,估计结果用来设计网络时延补偿控制器,以实际网络时延为实验数据进行了仿真实验,实验结果表明网络控制系统的动态性能有了明显改善,同时进一步证实了时延估计组合模型的有效性。     

区间灰数的标准化及其预测模型的构建与应用研究

由于区间灰数运算体系不完善,灰数间的代数运算将导致结果灰度增加,难以有效构建基于＂区间灰数＂的灰色预测模型.对此,通过将区间灰数进行标准化处理,分解成基于实数形式的＂白部＂和＂灰部＂两个部分;然后分别对＂白部＂和＂灰部＂建立模型,再推导并还原得到区间灰数预测模型;最后,将该模型应用于城市外来工数量的预测,预测效果验证了所提出模型的有效性及实用性.     

基于Internet的遥操作系统带观测器的反馈控制

通常遥操作系统主、从机械手间存在通信时延,影响了系统的稳定性和操作性能.在基于Internet的遥操作系统中,时延是时变的,对系统的影响尤为剧烈.为了解决这个问题,在环境模型未知的条件下,首先提出在本地控制端用主手状态、预测的从手状态及接触力设计反馈控制器;接着用时间前向观测器预测从机械手的状态,并将时延变化率建模为系统不确定参数,最终得到稳定性和透明性条件.仿真结果表明了该方法的有效性.