国际群体智能与进化计算杂志

抽象的

SARS-CoV-2 区域流行病学数据中的低维混沌吸引子

卡洛斯·佩德罗·贡萨尔维斯

背景：最近应用混沌理论方法的研究发现，SARSCoV-2 的流行病学数据中存在混沌标记，该证据对 SARS-CoV-2/COVID-19 大流行的预测、建模和流行病学分析具有重要意义，对医疗保健管理也有重要意义。

目的和方法：我们研究非洲、亚洲、欧洲、北美洲和南美洲以及大洋洲每百万新增病例和每百万新增死亡人数的总体数据，应用混沌理论的经验方法，包括嵌入维数估计、李雅普诺夫谱估计、谱分析和最先进的拓扑数据分析方法，结合持久同源性、递归分析和机器学习，旨在表征动力学的性质及其可预测性。

结果和结论：结果表明，除大洋洲外，所有地区都有证据表明存在低维噪声混沌吸引子，这些吸引子接近混沌的开始，具有递归结构，配备最近邻机器学习模块的自适应人工智能解决方案可以使用该结构以非常高的性能预测每个地区两个目标系列的未来值。持久同源性分析揭示了两组划分，第一组由非洲和亚洲组成，第二组由欧洲、北美和南美组成。对于大洋洲，我们发现了分叉发生的证据，我们结合机器学习和拓扑分析方法对其进行了详细描述；我们发现该地区的分叉与新变体的出现有关。