Gli scienziati cinesi usano la conoscenza della modellazione del sistema climatico per sviluppare un sistema di previsione globale per la pandemia da Sars-Cov2. La malattia da coronavirus 2019 sta seriamente minacciando la vita e la salute umana in tutto il mondo, ma oltre allo sviluppo di vaccini efficaci e farmaci specifici, sono essenziali interventi non farmacologici e previsioni di modelli numerici. A tal fine, un gruppo guidato dal professor Jianping Huang dell’Università di Lanzhou, in Cina, ha sviluppato il Global Prediction System of the COVID-19 Pandemic ( GPCP ).
Jianping Huang è professore presso il College of Atmospheric Sciences e direttore del Collaborative Innovation Center for Western Ecological Safety, Università di Lanzhou, Cina. Da molto tempo si dedica allo studio della previsione del clima a lungo termine e del cambiamento climatico, combinando osservazioni sul campo e ricerca teorica. Il blocco dovuto alla pandemia all’inizio del 2020 ha seriamente compromesso la sua ricerca. Pertanto, bloccato a casa, ha tenuto discussioni online con i membri del suo team su come la loro esperienza nello sviluppo di modelli di sistema climatico potrebbe essere in grado di contribuire a combattere la pandemia. Non si aspettava molti riscontri in tal senso, ma è rimasto sorpreso e commosso quando numerosi suoi colleghi hanno risposto con entusiasmo.
Al fine di combinare dati e modelli epidemiologici, è stato proposto l’algoritmo di ottimizzazione dei parametri di Levenberg-Marquardt (LM) per identificare i modelli epidemiologici, costruendo così un modello SIR statistico. L’algoritmo LM introduce un coefficiente di smorzamento nel calcolo della matrice Hessiana con il metodo dei minimi quadrati tradizionale, combinando così il vantaggio del metodo Gauss-Newton e del metodo di discesa del gradiente, migliorando la stabilità dei parametri.
“Dai risultati della simulazione di quattro paesi selezionati con un numero relativamente elevato di casi confermati, il modello Statistical-Susceptible-Infected-Recovered utilizzando l’algoritmo LM è risultato essere più coerente con la curva effettiva dell’epidemia, essendo in grado di riflettere meglio il suo trend di sviluppo”, spiega il Prof. Huang.
Inoltre, il modello di decomposizione in modalità empirica (EEMD) dell’ensemble e il modello della media mobile autoregressiva (ARMA) sono stati utilizzati anche in combinazione per migliorare i risultati di previsione del GPCP. Il metodo EEMD è stato ampiamente utilizzato nei campi dell’ingegneria, meteorologia, ecologia e non solo. Può scomporre il segnale secondo la propria scala ed è adatto per l’elaborazione del segnale non stazionario e non lineare.
“Abbiamo scoperto che il metodo EEMD-ARMA può essere utilizzato direttamente per prevedere il numero di nuovi casi giornalieri nei paesi con un numero inferiore di casi confermati il ??cui trend di sviluppo non può essere previsto dal modello di malattia infettiva. Sulla base dei risultati, questo metodo è più efficace per migliorare i risultati delle previsioni e fare previsioni dirette”, conclude il Prof. Huang.
Il modello GPCP sviluppato dal team di Jianping Huang può eseguire previsioni mirate per diversi paesi e regioni e ha ottenuto buoni risultati di previsione. Il team continuerà a migliorare il modello, per fornire previsioni più accurate per diversi paesi e regioni.