Аннотация
Введение. Выполнено построение математических моделей изменения суммарного и суточного количеств случаев заболеваний коронавирусом населения Санкт-Петербурга в различные отрезки и период с 2020 по 2022 г.
Цель. Актуальность исследования продиктована ситуацией распространения коронавируса в городе и необходимостью разработки методического аппарата по краткосрочному оперативному оцениванию изменения и прогнозирования ключевых показателей. Решение задачи проводилось на основе рассмотрения складывающейся ситуации протекания коронавируса в Санкт-Петербурге, для чего с помощью моделирования выполнено развитие его по суммарному (интегральному) и суточному (дифференциальному) числу заболевания жителей региона.
Методы. Для исследования характера развития пандемии проведено математическое моделирование динамики ключевых показателей распространения эпидемии коронавируса и показана возможность проводить оценку кратковременного прогноза. Моделирование проведено с помощью временных рядов и регрессионного анализа. Построение моделей проведено на основе статистических данных, которые формируются путем мониторинга координационными советами по борьбе с распространением COVID-19 в регионах и в стране.
Результаты. Предложен подход и математический аппарат моделирования и прогнозирования динамики региональных ключевых показателей распространения пандемии в регионах России.
Практическая значимость. Предлагаемое решение задачи даст возможность администрации и органам здравоохранения получать краткосрочную информацию для оценивания и корректирования своей работы по созданию оптимальных экономических и социальных условий жизни жителей регионов России.
Для цитирования: Герасименко, П. В. Моделирование количества случаев заболевания коронавирусом COVID-19 в Санкт-Петербурге в период 2020–2022 гг. – 2022. – Т. 3. – № 3. – С. 30–38 doi:10.47619/2713-2617.zm.2022.v.3i3;30–38
Полный текст
Биография автора
Петр Васильевич Герасименко, Петербургский государственный университет путей сообщения Императора Александра I д. т. н., профессор, профессор кафедры «Экономика и менеджмент в строительстве», ФГБОУ ВО «Петербургский государственный университет путей сообщения Императора Александра I». Сфера научных интересов охватывает математику, механику упругих систем, применение математических методов в экономике, эконометрику, учебный процесс в школе и вузе.
Список литературы
1. Проект доступа к актуальным и достоверным данным из официальных источников о распространении коронавируса COVID-19 в России и Мире. «Коронавирус в Санкт-Петербурге сегодня» https://coronavirus-control.ru/coronavirussaint-petersburg (дата обращения: 25.08.2022).
2. Российская газета. «Мурашко перечислил регионы с самой сложной обстановкой из-за COVID-19». Электронная статья от 5 августа 2021 г. https://news.mail.ru/society/47409073/? (дата обращения: 05.08.2021).
3. АиФ Санкт-Петербург. «Три дня подряд в Петербурге увеличивается число госпитализированных с COVID». Электронная новость https://news.mail.ru/society/47415497/ (дата обращения: 05.08.2021).
4. Матвеев А. В. Математическое моделирование оценки эффективности мер против распространения эпидемии COVID-19 // Национальная безопасность и стратегическое планирование. – 2020. – № 1 (29). – С. 23–39.
5. Linka K., Peirlinck M., Kuhl E. The reproduction number of COVID-19 and its correlation with public health interventions // Computation Mathematics. – 2020. – Vol. 7. – P. 1035–1050. DOI: 10.1101/2020.05.01.20088047
6. Assessing the impact of non-pharmaceutical interventions (NPI) on the dynamics of COVID-19: A mathematical modelling study in the case of Ethiopia / B.A. Ejigu, M.D. Asfaw, L. Cavalerie, T. Abebaw, M. Nanyingi, M. Baylis // medRxiv. – 2020. – P. 30. DOI: 10.1101/2020.11.16.20231746
7. Spatio-temporal propagation of COVID-19 pandemics / B. Gross, Z. Zheng, S. Liu, X. Chen, A. Sela, J. Li, D. Li, S. Havlin // medRxiv. – 2020. – Vol. 9. – P. 6. DOI: 10.1101/2020.03.23.20041517
8. Yesilkanat C.M. Spatio-temporal estimation of the daily cases of COVID-19 in worldwide using random forest machine learning algorithm // Chaos, Solitons and Fractals. – 2020. – Vol. 140. – P. 110210. DOI: 10.1016/j.chaos.2020.110210
9. Population flow drives spatio-temporal distribution of COVID-19 in China / J.S. Jia, X. Lu, Y. Yuan, G. Xu, J. Jia, N.A. Christakis // Nature. – 2020. – Vol. 582. – P. 389–394.
10. Пространственно-временное моделирование эпидемии COVID-19 / В. Л. Соколовский, Г. Б. Фурман, Д. А. Полянская, Е. Г. Фурман // Анализ риска здоровью. – 2021. – № 1. – С. 23–37. DOI: 10.21668/health.risk/2021.1.03
11. Герасименко П. В. Моделирование и прогнозирование показателей динамики заболевания жителей регионов коронавирусом COVID-19 / П. В. Герасименко // Транспортные системы и технологии. – 2020. – Т. 6. – № 4. – С. 88–97. doi: 10.17816/transsyst20206488-97
12. Вертешев С. М., Герасименко П. В., Лехин С. Н. Роль математики и информатики в подготовке инженеров для инновационной деятельности // Перспективы развития высшей школы: материалы Х Международной научнометодической конференции. – Гродно: ГГАУ, 2017 г. – С. 223–226.
13. Герасименко П. В., Ходаковский В. А. Введение в эконометрику. Учебное пособие. – Санкт-Петербург: ПГУПС, 2005. – 60 с.
14. Статистика распространения коронавируса (COVID-19). Онлайн-сервис https://coronavirustracking.ru/ (дата обращения: 20.08.2022).
Файлы
Статистика
Просмотры аннотации: 468
Просмотры XML: 3
Просмотры PDF: 276
Всего: 747