Изучение и прогнозирование многомасштабной спатиотемпоральной эпидемиологической динамики с помощью лагранжано-элерианских графических нервов
arXiv:2610.21223v1 Аннонс Тип: новое резюме: точное среднесрочное и долгосрочное прогнозирование эпидемии требует экстраполяции высокой интенсивности, неоднородности и нестационарной динамики на основе частичных наблюдений. Однако гибридные модели часто оставляют неясными, какие наблюдения дают представление о том, какие эпидемические процессы и как обученное графическое взаимодействие изменяет состояние системы. Мы введем LE-EpiGNODE, который заменяет общее сообщение, проходящее с помощью конкретных процессов и направляемых механизмами нейронных операторов: возрастная информация движет генерацией инфекции Лагранжа, тогда как мобильность стимулирует консервативный перенос населения Эйлера в рамках универсального дифференциального уравнения, сохраняющего структуру. Мы провели оценку LE-EpiGNODE по 14 контролируемым синтетическим механизмам, охватывающим временную модификацию, зависимость от государства, нелинейную и комбинированную динамику, три дополнительных настройки COVID-19, 21 модель компаратора и пять целевых аббревиатур. Прогнозируемые выгоды, как правило, становятся более заметными на более длинных горизонтах; на самом длинном горизонте - LE-