使用Turing.jl拟合SIR疾病传播模型参数的技术实践
2025-07-04 21:33:39作者:农烁颖Land
引言
在流行病学建模中,SIR(易感-感染-恢复)模型是最基础且广泛使用的疾病传播模型之一。本文将详细介绍如何使用Julia生态中的Turing.jl库来拟合SIR模型的参数,特别关注在实际应用中可能遇到的参数初始化问题和解决方案。
SIR模型基础
SIR模型将人群分为三个互斥的群体:
- S(t):易感者数量
- I(t):感染者数量
- R(t):恢复者数量
模型的基本微分方程为:
dS/dt = -γ*S*I
dI/dt = γ*S*I - ν*I
dR/dt = ν*I
其中γ表示传播率,ν表示恢复率。
数据生成与模型实现
首先,我们需要实现SIR模型并生成模拟数据用于参数拟合。在Julia中,可以使用OrdinaryDiffEq包来定义和求解微分方程:
function sir(du, u, p, t)
S, I, R = u
γ, ν = p
infection = γ * S * I
recovery = ν * I
du[1] = -infection
du[2] = infection - recovery
du[3] = recovery
return nothing
end
生成模拟数据时,我们添加了一些噪声以模拟真实观测数据的不确定性。
贝叶斯参数估计
Turing.jl提供了强大的贝叶斯推断功能。我们构建一个概率模型来描述参数和观测数据之间的关系:
@model function fit_sir(data, prob)
γ ~ LogUniform(0.00001, 0.001)
ν ~ LogUniform(0.01, 0.9)
σI ~ LogUniform(0.1, 1)
prob = remake(prob; p = [γ, ν])
predicted = solve(prob; saveat = measured_t, verbose = false, maxiters = 10000)
if !SciMLBase.successful_retcode(predicted)
Turing.@addlogprob! -Inf
return nothing
end
for i in eachindex(predicted)
I = max(predicted[i][2], 0.0)
data[i] ~ truncated(Normal(I, σI *I); lower = 0.0)
end
end
关键问题与解决方案
在实际应用中,我们遇到了几个关键问题:
- 参数初始化问题:当没有提供初始参数时,采样器无法找到有效的初始点。这是因为微分方程求解对参数非常敏感,随机初始值可能导致数值不稳定。
解决方案是:
- 提供合理的初始参数猜测
- 使用更宽松的先验分布
- 采用多阶段拟合策略
-
截断分布问题:在使用
truncated
分布时,设置无限边界(Inf
)可能导致数值不稳定。最佳实践是省略无限边界参数,让系统自动处理。 -
采样效率问题:对于ODE模型,采样可能效率较低。可以考虑:
- 使用自适应步长的ODE求解器
- 调整NUTS采样器的参数
- 采用变分推断作为初始近似
实践建议
- 对于复杂ODE模型,始终提供合理的初始参数值
- 监控ODE求解器的返回状态,处理失败情况
- 使用对数尺度参数化速率参数,因其通常跨越多个数量级
- 考虑参数的可识别性问题,SIR模型有时存在参数不可识别的情况
- 可视化中间结果以诊断拟合问题
结论
通过Turing.jl实现SIR模型的贝叶斯参数估计是一个强大但需要谨慎处理的过程。理解ODE求解器的数值特性和贝叶斯采样的行为对于成功拟合至关重要。本文介绍的技术和解决方案可以帮助研究人员避免常见陷阱,更有效地进行流行病学建模和分析。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8