机器学习在埃博拉传播动力学模型中的应用

发布时间：2021-08-28 07:24

　　近年来,随着各种传染病研究的越来越多,对于参数估计这部分的工作显得愈发重要。其方法主要有最小二乘法,MCMC方法,机器学习,而机器学习的方法可以弥补另外两种方法的不足。本文沿着这个思路,将基于高斯过程的机器学习方法应用于研究埃博拉传播动力学模型中。第一章,给出了埃博拉传染病,几类参数估计方法的研究背景以及机器学习方法的基本内容。第二章,考虑了带有自身扩散的埃博拉传播动力学模型。首先,应用后向欧拉方程将模型离散化;其次,将埃博拉传播动力学模型中的的变量假设为一个高斯过程;最后,利用准牛顿优化法训练负边际对数似然函数,得到数据拟合图及参数结果。本章得到的参数与其他文章中的参数接近,表明该方法具有适用性,为以后的参数估计提供一种可行的方法。第三章,考虑了带有交叉扩散的多维埃博拉传播动力学模型。应用基于高斯过程的机器学习方法来估计易感者的感染率及易感者和感染者的扩散速度。结果表明:机器学习的方法适用于多维系统且其结果较精确。第四章,对本文研究内容进行总结及展望。 

【文章来源】：山西大学山西省

【文章页数】：50 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    S1.1 研究背景及意义
    S1.2 预备知识
    S1.3 本文主要研究内容
第二章 机器学习在带有自身扩散的埃博拉传播动力学模型中的应用
    S2.1 基本模型
    S2.2 带有自身扩散的埃博拉传播动力学模型
    S2.3 训练过程
    S2.4 训练结果
    S2.5 总结与讨论
第三章 机器学习在带有交叉扩散的埃博拉传播动力学模型中的应用
    S3.1 基本模型
    S3.2 带有交叉扩散的埃博拉传播动力学模型中的参数估计
    S3.3 总结与讨论
第四章 本文总结与展望
    S4.1 本文总结
    S4.2 存在的问题与展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式



本文编号：3368078