Titelaufnahme

Titel
Kalibrierung eines agentenbasierten Influenzamodells / Claire Rippinger
Weitere Titel
Calibration of an Agent-based Influenza Model
VerfasserRippinger, Claire
Begutachter / BegutachterinBreitenecker, Felix ; Popper, Nikolas
ErschienenWien 2016
Umfangvii, 68 Seiten : Illustrationen, Diagramme
HochschulschriftTechnische Universität Wien, Univ., Diplomarbeit, 2016
Anmerkung
Zusammenfassung in englischer Sprache
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Agentenbasierte Modellierung / Modellidentifizierung / Optimierung
Schlagwörter (EN)agent-based modeling / calibration / optimization
URNurn:nbn:at:at-ubtuw:1-8422 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Kalibrierung eines agentenbasierten Influenzamodells [1.77 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Agentenbasierte Modellierung wird in der Modellbildung und Simulation immer öfter verwendet. Demzufolge ist es wichtig, die üblichen Methoden zur Qualitätsüberprüfung eines Modells auf ihre Anwendbarkeit auf agentenbasierte Modelle zu überprüfen. Diese Arbeit beschäftigt sich mit der Kalibrierung eines agentenbasierten Modells. Dabei wird zuerst auf allgemeine Probleme eingegangen, die bei dieser Aufgabestellung auftreten. Es werden zwei Kalibrierungsalgorithmen vorgestellt, die zur Kalibrierung herangezogen werden können: das Simulated Annealing und ein evolutionärer Algorithmus. Bei beiden werden verschiedene Varianten und Konfigurationen besprochen und, soweit dies bekannt ist, auf das Konvergenzverhalten eingegangen. Die Leistung der beiden Algorithmen wird an kleinen Beispielmodellen getestet. Es handelt sich dabei um ein SIR- und um ein SIRS-Modell, die den Verlauf einer infektiösen Krankheit simulieren. Bei diesen Tests wird versucht eine geeignete Konfiguration der Kalibrierungsalgorithmen zu bestimmen. Es zeigt sich, dass die beiden Kalibrierungsalgorithmen nur bei einem der beiden Beispielmodelle vergleichbar gute Resultate liefern. Bei dem zweiten Modell werden nur beim evolutionären Algorithmus gute Ergebnisse erzielt. Ein Problem, das bei allen Kalibrierungsdurchläufen auftaucht, stellt die lange Rechenzeit dar. Deswegen wird eine mögliche Methode zur Reduzierung der Laufzeit vorgestellt. Sie besteht darin, die Anzahl der in der Simulation benutzten Agenten während der Kalibrierung zu verändern. Anfangs wird nur eine geringe Agentenanzahl benutzt um in kurzer Zeit mehrere Simulationen durchführen zu können. Die Simulationen mit einer geringen Agentenanzahl weisen jedoch eine größere Varianz auf, sodass die Resultate mit Unsicherheiten behaftet sind. Während der Kalibrierung wird die Agentenzahl progressiv auf ein gewünschtes Maß erhöht, um die Unsicherheit der Resultate zu verringern. Verschiedene Konfigurationen dieser Vorgehensweise werden ebenfalls an den Beispielmodellen getestet und ausgewertet. Auch bei dieser Methode ist der evolutionäre Algorithmus erfolgreicher und es ist möglich die benötigte Laufzeit um etwa die Hälfte zu reduzieren. Die erhaltenen Erkenntnisse werden schlussendlich benutzt, um ein komplexeres agentenbasiertes Modell zu kalibrieren. Hierbei handelt es sich um ein Influenzamodell, das die Ausbreitung der Grippe innerhalb der österreichischen Bevölkerung simuliert. Es wurden mehrere erfolgreiche Kalibrierungen mittels evolutionärem Algorithmus durchgeführt. Hierbei konnte zudem festgestellt werden, dass die berechneten Parameterwerte sehr unterschiedlich sind und demnach mehrere gleichwertige, lokale Minima existieren.

Zusammenfassung (Englisch)

Agent-based modelling has experienced increasing application in several fields since it offers many benefits over other modelling methods. Therefore it is important to verifiy whether quality assessment methods can be applied on agent-based models. This master's thesis discusses the problem of calibrating such models. Two algorithms which can be used to perform this task are presented: simulated annealing and an evolutionary algorithm. For each algorithm, different versions and configurations, as well as the convergence behaviour, are discussed. The performance of these algorithms is tested on different example models: an SIR and an SIRS model. These models are used to describe the spreading of an infectious disease. It can be observed that simulated annealing produces good results only on one of the example models, while the evolutionary algorithm performs successfull calibrations for all of them. Unfortunately, all calibrations require a lot of computing time. A possible solution to this problem is presented. It consists of varying the number of agents used in the simulation during the calibration. At the beginning, only a small amout of agents is used in order to perform many simulation runs in a short period of time. However, if a low agent count is used, the simulations exhibit a greater variability. During the course of the calibration, the agent count is progressively increased until it reaches the targeted amount. This way, the variability of the results occuring when a low agent count is used, is being reduced. Different configurations of this method are beeing tested on the example model. It shows that the evolutionary algorithm provides a better performance than simulated annealing and it is possible to cut the computing time in half. Ultimately, the findings are used to calibrate a more complex agent-based model simulating an influenza epidemic in the Austrian population. Several successful calibrations have been performed using the evolutionary algorithm. The calculated parameter sets turned out to be very diverse. Therefore it is plausible that several comparable local minima exist.