利用Euler-Maruyama近似方法对COVID-19动态中的不确定性进行随机建模

《Scientific Reports》：Stochastic modeling for uncertainty quantification in COVID-19 dynamics using Euler Maruyama approximation

　　```

摘要

我们提出了一种针对COVID-19的基于 compartmental（隔室）流行病学模型的随机扩展模型，用于描述哥伦比亚波哥大的传播动态。为了考虑感染、潜伏期、康复和疫苗接种过程中的内在变异性，我们在关键模型参数中加入了随机扰动。所得到的随机微分方程系统通过Euler-Maruyama方法进行近似处理，从而实现了基于似然的参数估计。我们推导出了一个扩展的基本再生数及其相关不确定性，为在不同条件下评估流行病潜力提供了统计学上的依据。模拟结果表明，所提出的框架能够成功捕捉到流行病学数据中的变异性，并强调了在公共卫生决策中考虑参数不确定性的重要性。该模型在统计上易于处理、计算效率高，并且适用于其他传染病和城市环境。可能的扩展方式包括纳入再感染动态、整合额外的数据来源以及利用贝叶斯推断来进一步提高不确定性量化精度。

```