Affiliation:
1. Институт проблем передачи информации им. А.А.Харкевича РАН, г. Москва, Россия
2. Институт системного анализа Федерального исследовательского центра «Информатика и управление» РАН, г. Москва, Россия
Abstract
Любая математическая модель является отражением знаний об исследуемом объекте. В работе показано, как накопление информации (статистических данных и знаний) о пандемии COVID‑19 приводит к уточнению математических моделей, к расширению области их использования. Построенные в результате модели удовлетворительно описывают динамику заболеваемости COVID-19 в г. Москва. Они могут использоваться для прогноза с горизонтом в несколько месяцев при условии, что в моделируемом объекте не появляются (или проявляются) новые, ранее “незаметные” элементы. Основным внутренним механизмом, определяющим динамику модели, является коллективный иммунитет и заметное повышение заразности вируса во второй половине 2021 года (из-за распространения штамма Дельта). Приводятся результаты использования технологии сбалансированной идентификации для мониторинга пандемии COVID-19:
• модели, соответствующие данным, доступным в различные моменты времени (с марта 2020 по декабрь 2021);
• полученные новые знания – функциональные зависимости, определяющие динамику системы;
• результаты расчетов различных эпидемических показателей (заболеваемость, иммунитет, индексы репродукции и др.)
• различные прогнозы для г. Москва (от 01.12.2020, 15.04.2021, 01.08.2021 и 01.08.2021).
Обсуждаются трудности, возникшие после 01.09.2021, и направления дальнейшего модифицирования модели.
Publisher
Russian Research Anti-Plague Institute Microbe
Reference7 articles.
1. Brauer F., Castillo-Chavez C., Feng Z., Mathematical Models in Epidemiology, 2019
2. Sokolov A.V., Sokolova L.A., COVID-19 dynamic model: balanced identification of general biological and country specific features, 9th International Young Scientist Conference on Computational Science (YSC 2020), Procedia Computer Science, Volume 178, 2020, Pages 301-310, https://doi.org/10.1016/j.procs.2020.11.032
3. Sokolov A.V., Voloshinov V.V. Model Selection by Balanced Identification: the Interplay of Optimization and Distributed Computing, Open Computer Science, 2020, 10, p. 283–295. DOI: 10.1515/comp-2020-0116, https://doi.org/10.1515/comp-2020-0116
4. Свирежев Ю.М., Логофет Д.О. Устойчивость биологических сообществ. – Москва: Наука, 1978, 352с.
5. Nakhushev A.M. (1995) The equations of mathematical biology. Textbook manual for universities. M .: Higher School: 301.
Cited by
2 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献