Прогнозирование развития пандемии методами машинного обучения в задачах поддержки принятия решений

Abstract

Предлагается подход, позволяющий на основе достаточно простых моделей предложить методику прогнозирования решения органов управления о количестве необходимых медицинских центров для борьбы с пандемией. В основе него лежит идея о том, что решение об открытии нового центра принимается не сразу при переполнении существующих центров, а с некоторым опозданием. Таким образом, правительство пытается минимизировать риски ненужного открытия и принимает такое решение, понимая, что перегруженность существующих центров не прекратится в ближайшее время. Это решение можно предсказать, обучив модель на исторических данных, полученных из открытых источников. Такая модель разработана нами. Она позволяет прогнозировать количество медицинских центров на основе прогноза количества госпитализированных пациентов за 14 дней. Предложены подходы к прогнозированию количества госпитализированных пациентов с точностью, достаточной для того, чтобы модель предсказывала количество медицинских центров. Модели протестированы на данных из открытых источников, полученных для Рязанской области. Для модели прогноза количества открытых медицинских центров в Рязанской области определены штрафные функции и рассчитаны соответствующие коэффициенты.