×
胡安·塞雷诺;亚历杭德罗·安德森;安东尼奥·费拉莫斯卡;埃斯特班·埃尔南德斯·瓦尔加斯。;亚历杭德罗·埃尔南·冈萨雷斯

最小化疫情最终规模，同时控制SIR系统中的感染高峰流行率。 （英语） Zbl 1498.92255号

Automatica公司 144，文章ID 110496，8 p.（2022）.
摘要：数学模型对于了解病原体在人群中的传播以及评估非药物干预（NPI）的有效性至关重要。最近制定了大量的最佳策略，以将感染高峰流行率降至最低(独立发电商)或疫情最终规模(电子飞行系统). 虽然大多数方法在固定的有限时间范围内优化简单的成本函数，但对于如何同时处理独立发电商和电子飞行系统同时尽量减少干预的副作用。在这项工作中，基于SIR型模型在控制作用下的动力学行为的新特征（包括平衡集在群体免疫方面的稳定性），我们研究了如何最小化电子飞行系统同时保持独立发电商随时控制。提出了一种通过分离瞬态和稳态控制目标来定制NPI的程序：与新冠肺炎大流行相关的详细分析和模拟结果说明了该策略的潜在好处。

引用于2文件

MSC公司：

92天30分 流行病学

关键词：

最优控制;SIR模型;感染高峰流行率;流行病最终规模;群体免疫
PDF格式BibTeX公司 XML格式引用
\textit{J.Sereno}等人，Automatica 144，文章ID 110496，8 p.（2022；Zbl 1498.92255）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Abbasi，K.，《行为疲劳：有缺陷的大流行应对的核心理念》，BMJ，m3093（2020）
[2] Abuin，P.等人。；安德森。；费拉莫斯卡，A。；Hernandez-Vargas，E.A。；Gonzalez，A.H.，《SARS-CoV-2在宿主体内的动力学表征》，《控制中的年度回顾》，50，457-468（2020）
[3] 阿布马洛，R.A。；阿萨迪，S。；尼拉西，M。；Minaei-Bidgoli，B。；Nayer，F.K。；Samad，S.，《冠状病毒大流行（COVID-19）对教育的影响：虚拟和远程实验室在教育中的作用》，《社会技术》，67，第101728条，pp.（2021）
[4] 阿拉莫，T。；Millán，P。；雷纳，D.G。；普雷西亚多，V.M。；Giordano，G.，大流行控制的挑战和未来方向，IEEE控制系统快报，6722-727（2021）
[5] 贝尔托齐，A.L。；Franco，E。；莫勒，G。；肖特，M.B。；Sledge，D.，建模和预测新型冠状病毒传播的挑战，《美国国家科学院院刊》，117，29，16732-16738（2020）·Zbl 1485.92115号
[6] 布利曼，P.A。；Duprez，M.，有限时间的社交距离如何才能最好地减少疫情的最终规模？，理论生物学杂志，511，文章110557 pp.（2021）
[7] 孔特雷拉斯，S。；Priesemann，V.，《尽管接种疫苗，但仍有可能引发新冠肺炎疫情》，《柳叶刀传染病》，21，6，745-746（2021）
[8] Di Lauro，F。；亲吻，I.Z。；Miller，J.C.，流行病控制一次性干预的最佳时机，公共科学图书馆计算生物学，17，3，文章e1008763 pp.（2021）
[9] 新墨西哥州弗格森。；莱顿，D。；Nedjati-Gilani，G。；Imai，N。；安斯利，K。；Baguelin，M.，非药物干预（NPI）对降低新冠肺炎死亡率和医疗需求的影响。帝国学院新冠肺炎应对小组，帝国学院新冠状病毒应对小组，20，10.25561，77482（2020）
[10] 佐丹奴，G。；布兰奇尼，F。；布鲁诺，R。；科拉内里，P。；Di Filippo，A。；Di Matteo，A.，《模拟新型冠状病毒疫情和在意大利实施全人群干预措施》，《自然医学》，第26、6、855-860页（2020年）
[11] Hale，T。；Angrist，N。；Hale，A.J。；基拉，B。；马朱姆达尔，S。；Petherick，A.，《政府应对措施与新冠肺炎死亡：多个大流行波的全球证据》，《公共科学图书馆·综合》，第16、7期，文章e0253116页，（2021年）
[12] Harko，T。；Lobo，F.S。；Mak，M.K.，“传染病恢复（SIR）传染病模型和死亡率和出生率相等的SIR模型的精确分析解”，应用数学与计算，236184-194（2014）·Zbl 1334.92400号
[13] Hernandez-Vargas，E.A。；Alanis，A.Y。；Tetteh，J.，用于流行病建模和控制的多尺度随机脉冲系统的新观点，《控制年度评论》，48，242-249（2019）
[14] 西澳州科马克。；McKendrick，A.G.，对流行病数学理论的贡献，伦敦皇家学会会刊。A辑，包含数学和物理性质的论文，115，772，700-721（1927）
[15] Ketcheson，D.I.，通过有限时间非药物干预对SIR疫情的最优控制，数学生物学杂志，83，1，1-21（2021）·Zbl 1467.92206号
[16] 科勒，J。；Schwenkel，L。；科赫公司。；小檗，J。；Pauli，P。；Allgöwer，F.，《新冠肺炎疫情的稳健和最佳预测控制》，《控制中的年度回顾》，51，525-539（2021）
[17] 刘易斯，F.L。；弗拉比，D。；Syrmos，V.L.，《最优控制》（2012），John Wiley&Sons·Zbl 1284.49001号
[18] 莫里斯，D.H。；罗辛，F.W。；Plotkin，J.B。；Levin，S.A.，最优、近最优和鲁棒流行病控制，通信物理，4，1，1-8（2021）
[19] Pakes，A.G.，Lambert’s W meet Kermack-McKendrick流行病，IMA应用数学杂志，80，5，1368-1386（2015）·Zbl 1343.92510号
[20] Punzo，G.，《具有流驱动感染率的SIS网络模型》，Automatica，137，第110107页，（2022）·Zbl 1482.92109号
[21] Rypdal，K。；比安奇，F.M。；Rypdal，M.，《干预性疲劳是新冠肺炎大流行中强二次波的主要原因》，《国际环境研究与公共卫生杂志》，17，24，9592（2020）
[22] Sadeghi，M。；格林，J.M。；Sontag，E.D.，《社会距离指南下流行病模型的普遍特征》，《控制中的年度审查》，51，426-440（2021）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。