2020年9月24日

德国基于地区的冠状病毒预测新模型

作者:托拜厄斯SchlößerForschungszentrum Juelich

基于地区的冠状病毒预测的新模型 — 德国每个地区的每日更新冠状病毒分析:报告数据(左上)和当前实际病例数的估计(近预报，右上)以及不同地区的预测(下)。来源:Universität Osnabrück / Forschungszentrum Jülich

Osnabrück大学的神经信息学科学家和Forschungszentrum Jülich的数据专家每天都会发布新的模型结果，以预测COVID-19感染。这些预测是基于罗伯特·科赫研究所的数据，这些数据是通过一种新的概率加权模型进行统计分析的，该模型是由Osnabrück的神经信息学科学家在Jülich超级计算中心(JSC)的高性能计算机上开发的。

COVID-19爆发检测贝叶斯模型(BSTI)模型Osnabrück大学人工智能校园神经信息学研究小组负责人Gordon Pipa教授说:“首先，新方法提供了一个预测范围，这使我们能够评估预测的可靠性。此外，该模型还考虑了邻近地区感染率的影响。这也使我们能够评估传播的动态。”

将预测结果分解到单个地区所面临的许多挑战之一是病例数量低。Pipa教授解释说:“单一的预测轨迹可能会产生误导，因为预测的可靠性无法评估。”“这就是为什么我们使用的BSTI模型不只是计算一个单一的可能轨迹，而是考虑了许多符合数据的可能轨迹。这使得预测水平可以作为概率分布的度量来计算。这种方法可以评估包括统计不确定性在内的情况，即使病例数很低，也可以提供有用的信息。”

此外，BSTI模型还计算了相邻区域的影响。交互核描述了邻近地区的高或低病例数对该地区感染率的影响程度。Osnabrück的神经信息学研究小组和罗伯特·科赫研究所在2019年成功地使用了相互作用内核来描述轮状病毒、莱姆病和弯曲杆菌感染的进展。

来自Jülich超级计算中心(JSC)的专家帮助调整该方法以适应COVID-19数据，并调整代码以在Jülich的超级计算机上进行分析。“确定预测范围是非常需要计算的，因为我们部署了许多不同的模型变量。因此，统计建模比不使用预测范围的方法需要更多的计算时间。为了在RKI数据发布后立即进行日常分析，我们使用了Jülich超级计算中心的资源-普通的办公室计算机将完全被这项工作所淹没，”JSC的Jens Henrik Göbbert解释道。

每日更新的分析数据以及空间或时间视觉比较的选项都可以免费访问，并以尽可能容易理解的格式显示。Göbbert解释说:“我们希望以一种可理解的格式快速提供结果，以便广泛的人群可以直接讨论内容，而不会陷入技术困境。”

例如，交互式网站的访问者可以自由选择地区查看他们的五天预测，或者他们可以将罗伯特·科赫研究所报告的最新数据与估计的实际新感染病例进行比较。由于数据传输方面的延误，报告的数字往往与实际的新病例数相差很大，有时相差很大。因此，“临近预测”的目标是使用统计分析提供对当前数字的初步评估。一个预测，提供了对未来五天事态发展的估计。