学术参考书目

 搜索根特大学研究人员200年的出版物。
高级搜索
2个文件| 10.38 MB
添加到列表
  1. 搜索结果
  2. 随机移动驱动的空间调用。。。

带有挥发性有机物、季节性和疫苗的随机流动驱动的空间显式SEIQRD COVID-19模型

蒂杰斯·艾勒曼(根特大学),米希尔·罗里尔(根特大学),Jenna Vergeynst公司(根特大学)和扬·贝滕斯(根特大学)
(2023)应用数学建模. 123.第507-525页
作者
组织
项目
摘要
在这项工作中，我们扩展了我们之前为比利时SARS-CoV-2开发的分区SEIQRD模型。我们在我们的模型中引入了SARS-CoV-2的关注变种、疫苗和季节性，因为事实证明，这些变种的加入对于建模2020–2021年比利时新冠肺炎大流行期间SARS-CoV-2的传播动力学是必要的。该模型在地理上分为11个空间块（省），比利时最大运营商提供的电信数据集用于整合省际流动。我们使用各省每日住院人数和血清学数据校准模型。我们发现该模型充分描述了这些数据，但为了准确描述2020年至2021年比利时SARS-CoV-2大流行，没有必要增加跨省流动性。我们进一步演示了如何使用我们的模型帮助决策者决定释放社会限制的最佳时间。我们发现，与同等的国家级模型相比，通过对模型进行地理分层来增加空间异质性会导致模型预测的不确定性增加，而国家级模型既有沟通优势，也有缺点。最后，我们讨论了强制实施当地流动性或社会接触限制以遏制特定省份疫情的影响，并发现减少社会接触比降低流动性更有效。
关键词
应用数学,模型制作与模拟试验,政策制定,流动性,空间显式,车厢模型,变速箱动力学

下载

  • 下载
    （…）.pdf格式
    • 全文（已发布版本）
    • |
    • 仅UGent
    • |
    • PDF格式
    • |
    • 2.97 MB
  • 下载
    KERMIT-A1-725验收.pdf
    • 全文（接受的手稿）
    • |
    • 开放存取
    • |
    • PDF格式
    • |
    • 7.40 MB

引用

请使用此url引用或链接到此出版物：

MLA公司
Alleman，Tijs等人，《含挥发性有机化合物、季节性和疫苗的随机机动驱动的空间显式SEIQRD新型冠状病毒肺炎模型》应用数学建模第123卷，2023年，第507-25页，doi:10.1016/j.apm.2023.06.027。
亚太地区
Alleman，T.、Rollier，M.、Vergeynst，J.和Baetens，J.（2023年）。随机流动驱动的空间显式SEIQRD COVID-19模型，包含挥发性有机物、季节性和疫苗。应用数学建模,123, 507–525. https://doi.org/10.1016/j.apm.2023.06.027
芝加哥作者日期
Alleman、Tijs、Michiel Rollier、Jenna Vergeynst和Jan Baetens。2023.“含挥发性有机化合物、季节性和疫苗的随机流动性驱动的空间显式SEIQRD新型冠状病毒肺炎模型”应用数学建模123:507–25。https://doi.org/10.1016/j.apm.2023.06.027。
芝加哥作者日期（所有作者）
Alleman、Tijs、Michiel Rollier、Jenna Vergeynst和Jan Baetens。2023.“含挥发性有机化合物、季节性和疫苗的随机流动性驱动的空间显式SEIQRD新型冠状病毒肺炎模型”应用数学建模123: 507–525. doi:10.1016/j.apm.2023.06.027。
温哥华
1
Alleman T，Rollier M，Vergeynst J，Baetens J.一个随机流动性驱动的空间显式SEIQRD COVID-19模型，包含挥发性有机物、季节性和疫苗。应用数学建模。2023;123:507–25.
电气与电子工程师协会
[1]
T.Alleman、M.Rollier、J.Vergeynst和J.Baetens，“含挥发性有机化合物、季节性和疫苗的随机流动性驱动的空间显式SEIQRD COVID-19模型”应用数学建模第123卷，第507–525页，2023年。
@文章{01H6XMJ3N01EDZMAGX96A7ZTZ6，抽象={{在这项工作中，我们扩展了我们之前开发的针对比利时SARS-CoV-2的分区SEIQRD模型。我们在模型中引入了SARS-CoV-2关注变种、疫苗和季节性，因为它们的添加已证明对建模2020–2021年比利时新冠肺炎大流行期间SARS-CoV 2传播动力学是必要的。该模型是地理模型将其分为11个空间斑块（省份），并使用比利时最大运营商提供的电信数据集来整合跨省流动性。我们使用各省每日住院人数和血清学数据校准模型。我们发现该模型充分描述了这些数据，但为了准确描述2020年至2021年比利时SARS-CoV-2大流行，没有必要增加跨省流动性。我们进一步演示了如何使用我们的模型帮助决策者决定释放社会限制的最佳时间。我们发现，与同等的国家级模型相比，通过对模型进行地理分层来增加空间异质性会导致模型预测的不确定性增加，而国家级模型既有沟通优势，也有缺点。最后，我们讨论了强制实施当地流动性或社会接触限制以遏制特定省份疫情的影响，并发现减少社会接触比降低流动性更有效，author={{Alleman、Tijs和Rollier、Michiel和Vergeynst、Jenna和Baetens、Jan}}，issn={{0307-904X}}，journal={{应用数学建模}}，keywords={{应用数学、建模与仿真、政策制定、移动性、空间显式、分区模型、传输动力学}}，language＝｛｛eng｝｝，页数={{507--525}}，title={{带有挥发性有机物、季节性和疫苗的随机流动性驱动的空间显式SEIQRD COVID-19模型}}，url={http://doi.org/10.1016/j.apm.2023.06.027}}，体积={{123}}，年份={2023}}，}
海拔高度
在Altmetric中查看
科学网
引用次数：