基于遗传算法优化的2型自适应神经模糊推理系统的八室媒体驱动流行病模型研究

这篇研究创新性地构建了包含未成熟易感者(Si)、易感者(S)、知情易感者(SA)、隔离者(Q)等8个舱室的传染病动力学模型，首次将媒体传播效应与Holling-II型治疗率结合，并开发了遗传算法(GA)优化的2型自适应神经模糊推理系统(TYPE-2 ANFIS)进行疫情预测，回归分数>0.999的优异表现验证了模型在复杂公共卫生决策中的价值。

　　

Highlight

• 通过考虑媒体意识和Holling-II型治疗率，本研究建立了创新的S_iS_AQEITR数学模型，描绘了八个动态类别间的精细交互：未成熟易感者(S_i)、成熟易感者(S)、知情易感者(S_A)、隔离者(Q)、暴露者(E)、感染者(I)、治疗中(T)和康复者(R)。

• 研究巧妙地将优化控制变量引入动态系统，旨在通过精细调整疫苗接种和隔离措施等时变策略来阻断疾病传播链。

• 采用Adam求解器解析动力学系统，结合时间依赖性控制变量显著提升了时间序列预测精度，使疾病传播预测误差降低90%。

Mathematical Analysis

数学分析验证了ODE系统(2)的正定性、有界性和唯一性——这些特性如同给模型装上了"生物合理性保险箱"。通过下一代矩阵法推导的基本再生数R₀像疫情传播的"温度计"，参数敏感性分析则揭示了媒体传播系数β和治疗效率γ等关键参数的调控优先级。

Optimal Control Strategy

最优控制策略章节展示了如何运用庞特里亚金极大值原理(Pontryagin, 1987)这个"控制论瑞士军刀"，通过哈密顿体系构建疫苗接种(u₁)和隔离措施(u₂)的动态平衡。前向-后向扫描算法(Lenhart & Workman, 2007)的运用，使系统能像"自动驾驶仪"般自动寻找最优干预路径。

GA TYPE-2 ANFIS Innovation

这项研究的皇冠明珠是GA TYPE-2 ANFIS模型——它如同给传统模糊系统装上了"遗传算法引擎"和"不确定性缓冲器"。通过同时优化前提参数、结论参数和TYPE-2不确定域，该模型在COVID-19真实数据测试中展现出惊人的预测能力：绝对误差低于0.001，波动捕捉精度提升300%，完美克服了传统ANFIS在非平稳疫情数据中的"预测近视"缺陷。

Conclusion

该研究不仅为复杂流行病建模设立了新标杆，更开创性地证明了智能算法与动力学模型联用的巨大潜力。就像为公共卫生决策者提供了"数字望远镜"，使人们能提前90天预见疫情走势，这种跨学科方法或将重新定义未来新发传染病的应对范式。