From uncontrolled to controlled predictions: a learning-based model predictive control framework with an state predictor for epidemic mitigation under dynamics and parametric uncertainty
Carregando...
Arquivos
Data
2025-08-01
Autores
Orientador(res)
Soledad Aronna, Maria
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Muitas aplicações têm demonstrado o uso e o sucesso de modelos compartimentais clássicos na estimativa dos estados e da evolução da disseminação de doenças. Similarmente, o estudo da Teoria do Controle Ótimo tem mostrado resultados positivos nesses cenários, mas pode carecer de tratabilidade computacional ou teórica. Dessa perspectiva, propomos uma estratégia de Controle de Modelos Preditivos Baseada em Aprendizado para um modelo suscetível-infeccioso-recuperado-quarentena (SIRQ) para um cenário de incerteza, onde se tem apenas medidas confiáveis da população em quarentena e das taxas de testagem. Consideramos um modelo Long Short-Term Memory (LSTM) para obter predições livres de modelo, fornecido a uma etapa de computação de controle. Mostramos como esse tipo de abordagem pode ser uma alternativa viável para a mitigação de doenças epidêmicas sob incerteza sobre os parâmetros e/ou estados.