Они модифицировали ранее созданную модель предсказания роста заболеваемости COVID-19, теперь она может быть использована для составления прогнозов любых эпидемий. Уже после первого месяца наблюдений модель с высокой точностью прогнозирует количество активных случаев болезни в ближайшие три-четыре недели.
В 2021–2022 годах коллектив Центра аналитики динамических процессов и систем Университета разработал новый подход к исследованию динамических систем притока и оттока со стохастическими параметрами и новую методологию прогнозирования динамики таких систем.
Математики применили эту модель для составления прогнозов распространения новых вирусов на примере пандемии COVID-19. Так, учёные смогли определить новые пики роста заболеваемости и ключевые показатели. В основу разработки легла гипотеза о природном характере влияния многочисленных факторов на динамику этих процессов. Поэтому в качестве математической модели принятия решений о построении прогнозов специалисты использовали динамическую игру против природы. Оказалось, что динамика распространения новых вирусов, как и динамика роста численности населения отдельных стран или всей планеты, может быть описана с помощью модели CIR со стохастическими, то есть случайными, параметрами.
Возможность использования разработанной методологии на практике была проверена в ходе многочисленных вычислительных экспериментов по построению ретроспективных прогнозов динамики статистических данных об этих процессах. Модель спрогнозировала снижение суточного прироста заболевших ковидом в РФ до 25 тыс. к осени.
«Мы выяснили, что основные стохастические параметры динамических систем притока и оттока могут иметь вполне предсказуемую динамику, которая может быть обнаружена и описана, благодаря анализу динамики уже существующих данных. Так, для пандемии COVID-19 данные процентного прироста количества заболевших первой волны позволяли значительно сократить неопределённость в дальнейшем развитии эпидемии и предсказать дальнейшие подъемы и спады заболеваемости. Учитывая природный биологический характер вирусов, можно полагать, что свойство предсказуемости введённых в модели CIR стохастических параметров может применяться для всех новых вирусов и мутаций», — рассказал научный руководитель Центра аналитики динамических процессов и систем, профессор СПбГУ Виктор Захаров (кафедра математического моделирования энергетических систем).
Таким образом, учёные Университета, опираясь на текущий анализ данных и построенные динамические тренды процентных приростов новых случаев заболевания и случаев завершения болезни, могут с высокой степенью точности в реальном времени прогнозировать текущее количество активных случаев болезни на горизонте прогнозирования в три-четыре недели. Такие прогнозы могут стать методологической основой для планирования мероприятий региональных систем здравоохранения во время эпидемий вирусов — как новых, так и ранее известных.