Estimation de paramètres et prévisions avec incertitude quantifiée pour des modèles d'équations différentielles ordinaires en utilisant QuantDiffForecast : Une boîte à outils MATLAB et un tutoriel

Les modèles mathématiques basés sur des systèmes d'équations différentielles ordinaires (ODE) sont fréquemment appliqués dans divers domaines scientifiques pour évaluer des hypothèses, estimer des paramètres clés du modèle et générer des prévisions sur l'état du système. Pour soutenir leur application, nous présentons une boîte à outils MATLAB complète, facile à utiliser et flexible, QuantDiffForecast, ainsi qu'un tutoriel associé pour estimer les paramètres et générer des prévisions à court terme avec une incertitude quantifiée à partir de modèles dynamiques basés sur des systèmes d'ODE. Nous fournissons un logiciel (https://github.com/gchowell/paramEstimationforecastingODEmodels/) et des conseils détaillés sur l'estimation des paramètres et la prévision des trajectoires des séries temporelles caractérisées utilisant des ODE avec une incertitude quantifiée à travers une approche de bootstrapping paramétrique. Il comprend des fonctions qui permettent à l'utilisateur d'inférer des paramètres de modèle et d'évaluer la performance des prévisions pour différents modèles d'ODE spécifiés par l'utilisateur, en utilisant différentes méthodes d'estimation et structures d'erreur dans les données. Le tutoriel est destiné à un public diversifié, y compris les étudiants en formation sur les systèmes dynamiques, et sera largement applicable pour estimer des paramètres et générer des prévisions à partir de modèles basés sur des ODE. Les fonctions incluses dans la boîte à outils sont illustrées en utilisant des modèles épidémiques avec des niveaux de complexité variables appliqués aux données de la pandémie de grippe de 1918 à San Francisco. Une vidéo tutorielle démontrant la fonctionnalité de la boîte à outils est incluse.