使用基于分位数的仿真校准基于随机主体的模型
Calibrating a Stochastic Agent Based Model Using Quantile-based Emulation
摘要：
在许多情况下，分位数高斯过程（QGP）已被证明在模拟随机单变量计算机模型输出方面是有效的（Plumlee和Tuo，2014）。在本文中，我们开发了一种方法，使用贝叶斯模型校准框架内的仿真方法来校准基于代理的流行病模型。此外，这种方法被扩展到处理模型输出的多变量性质，它给出了一个时间序列的感染个体的计数。基本建模方法改编自Higdon等人（2008），使用基础表示来捕获多变量模型输出。该方法的动机是从2015年埃博拉挑战研讨会上的一个例子，该研讨会模拟了埃博拉疫情来评估方法。
英文摘要：
In a number of cases, the Quantile Gaussian Process (QGP) has proven effective in emulating stochastic, univariate computer model output (Plumlee and Tuo, 2014). In this paper, we develop an approach that uses this emulation approach within a Bayesian model calibration framework to calibrate an agent-based model of an epidemic. In addition, this approach is extended to handle the multivariate nature of the model output, which gives a time series of the count of infected individuals. The basic modeling approach is adapted from Higdon et al. (2008), using a basis representation to capture the multivariate model output. The approach is motivated with an example taken from the 2015 Ebola Challenge workshop which simulated an ebola epidemic to evaluate methodology.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
