校准

同时,今天是5月12日-我今天早晨感冒了(但还没有“慌张”,正如Welmoed所说的[理想的称谓])-我对该程序的开发还有很长的路要走可以重新制定理论并使之适应现实情况(校准)的工具。事情已经太复杂了,无法在单个博客文章中完整显示。简而言之,这将是一个完整的系列。

Fig1: Calibrating algorithm0 for global COVID-19 data

Fig 1 laat een tussenresultaat zien van een toepassing: het ontwikkelen en modelleren van een theorie over hoe de COVID-19 pandemie zich globaal ontwikkelt en wat daarbij de invloed van ons mensen is/kan zijn. Als we invloed kunnen en willen hebben, dan moeten de resultaten van dit model overtuigend en betrouwbaar zijn, vooral als er politieke besluitvorming mee gemoeid zou zijn. Een goede reden om hogere wiskunde te mijden.

Wat het grafiekje van Fig 1 laat zien is de ontwikkeling van drie dingen in de tijd (perioden van een week). De rode lijn (MOD-I) geeft de uitkomsten van het model bij een eerste besmetting op 29 december 2019. De zwarte lijn (JUR-I) geeft de geregistreerde COVID-19 infecties voor een jurisdictie (in casu de wereld). De grijze lijn (JUR-D) geeft het aantal COVID-19 doden in die jurisdictie aan. De getallen zijn cumulatief. Een horizontale lijn geeft aan dat er geen besmettingen of doden meer bij komen.

Wat er ook te zien valt is dat het model en de werkelijkheid een tijdje met elkaar optrekken en daarna uiteen gaan: het model in zijn huidige vorm is alleen in de aanloop van de pandemie bruikbaar. Het oog en de cijfers laten zien dat het moment waarop de wegen van het model en de werkelijkheid uiteengaan valt rond dag 98, dat is in de vijftiende week van de pandemie. Waarom dat zo is moet worden bezien. Maar voor het gebruiken van het platform (ik ga dat Epiframer noemen) is er een duidelijk punt. Het model van algoritme0 is alleen in het begin van pandemie bruikbaar.

Toch nog vrij lang, 98 dagen. Drie maanden ongeveer.

图1显示了一个应用程序的中期结果:开发和建模有关COVID-19大流行如何全球发展以及我们人类的影响是/可能是什么的理论。如果我们能够并且希望产生影响,则该模型的结果必须令人信服且可靠,尤其是在涉及政治决策的情况下。避免高等数学的一个很好的理由。

图1中的图表显示的是随着时间的推移(一周时间)三件事情的发展。红线(MOD-I)显示了2019年12月29日首次感染的模型结果。黑线(JUR-1)显示了辖区(在此情况下为全球)已注册的COVID-19感染。灰线(JUR-D)表示该辖区中COVID-19死亡人数。这些数字是累积的。水平线表示没有更多的感染或死亡。

还可以看到,模型和现实一起移动了一段时间,然后又分开了:当前形式的模型只能在大流行爆发前使用。这些数字表明,模型和现实的方式分开的那一刻大约在第98天,即大流行的第15周。为什么如此,必须看到。但是对于使用平台(我将其称为Epiframer),有一点很明确。算法0模型仅在大流行的早期阶段有用。

仍然很长,为98天。大约三个月。