Robust control and data reconstruction for nonlinear epidemiological models using feedback linearization and state estimation
  • Metaadatok
Tartalom: https://publikacio.ppke.hu/id/eprint/3591/
Archívum: PPKE Publikáció Repozitórium
Gyűjtemény: Állapot = Megjelent
Szakterület = 01. Természettudományok: 01.01. Matematika: 01.01.01. Elméleti és alkalmazott matematika: 01.01.01.15. Számítástudományi matematika
Szakterület = 01. Természettudományok: 01.01. Matematika: 01.01.01. Elméleti és alkalmazott matematika
Szakterület = 01. Természettudományok: 01.02. Számítás- és információtudomány: 01.02.01. Számítástudomány, információtudomány és bioinformatika: 01.02.01.27. Szimulációtervezés és modellezés
Típus = Folyóiratcikk
Cím:
Robust control and data reconstruction for nonlinear epidemiological models using feedback linearization and state estimation
Létrehozó:
Csutak Balázs
Szederkényi Gábor
Dátum:
2025
Téma:
01.01.01. Elméleti és alkalmazott matematika
01.01.01.15. Számítástudományi matematika
01.02.01.27. Szimulációtervezés és modellezés
Tartalmi leírás:
It has been clearly demonstrated over the past years that control theory can provide an efficient framework for the solution of several complex tasks in epidemiology. In this paper, we present a computational approach for the state estimation based reference tracking control and historical data reconstruction using nonlinear compartmental epidemic models. The control model is given in nonlinear input-affine form, where the manipulable input is the disease transmission rate influenced by possible measures and restrictions, while the observed or computed output is the number of infected people. The control design is built around a simple SEIR model and relies on a feedback linearization technique. We examine and compare different control setups distinguished by the availability of state information, complementing the directly measurable data with an extended Kalman filter used for state estimation. To illustrate the capabilities and robustness of the proposed method, we carry out multiple case studies for output tracking and data reconstruction on Swedish and Hungarian data, all in the presence of serious model and parameter mismatch. Computation results show that a well-designed feedback, even in the presence of significant observation uncertainties, can sufficiently reduce the effect of modeling errors.
Nyelv:
angol
angol
Típus:
Folyóiratcikk
PeerReviewed
Formátum:
text
Azonosító:
Csutak Balázs; Szederkényi Gábor: Robust control and data reconstruction for nonlinear epidemiological models using feedback linearization and state estimation. MATHEMATICAL BIOSCIENCES AND ENGINEERING, 22 (1). pp. 109-137. ISSN 1547-1063 (2025)
MTMT:35662815 10.3934/mbe.2025006
Kapcsolat:
MTMT:35662815 10.3934/mbe.2025006