Ученые из Санкт-Петербургского государственного университета подтвердили эффективность своей математической модели, разработанной для прогнозирования эпидемий. В основе анализа лежат ретроспективные данные о пандемии коронавируса в Москве и Петербурге за 2020-2021 годы, при этом вероятность ошибки модели не превышает 1%. 

С 2021 по 2022 год исследовательская группа Центра аналитики динамических процессов и систем СПбГУ разработала новый метод для изучения динамических систем с учетом случайных параметров и новую методологию прогнозирования их динамики. С помощью этой модели ученые смогли выявить новые пики заболеваемости COVID-19 и ключевые показатели его распространения.

В основу системы легла гипотеза о естественном влиянии различных факторов на динамику заболеваемости. Для этого была использована модель динамической игры против природы. Исследования показали, что распространение новых вирусов можно описать с помощью модели со стохастическими параметрами, что позволило точно прогнозировать рост числа заболевших в Петербурге.

Математические модели динамических систем требуют постоянного обновления с учетом новых факторов. Для проверки эффективности своей модели ученые провели ретроспективный анализ и составили прогнозы распространения вирусов в реальном времени на примере COVID-19 в Петербурге и Москве во время пика пандемии.

«Представленные в работе ретроспективные двухнедельные прогнозы общего количества заболевших и количества активных случаев COVID-19 продемонстрировали достаточно высокую точность как в Москве, так и в Санкт-Петербурге. Ошибка MAPE (mean absolute percentage error) общего количества заболевших на пиках заболеваемости, как правило, не превышала 1%, что можно считать хорошим и достоверным результатом с точки зрения прогнозирования», – отметил научный руководитель Центра аналитики динамических процессов и систем, профессор СПбГУ Виктор Захаров.

В ходе исследования ученые сравнили прогнозные и фактические данные о новых случаях заражения коронавирусом, общем числе заболевших и их динамике на фоне появления новых штаммов COVID-19 в Москве и Петербурге. Прогнозы, составленные до апреля 2020 года, имели среднее отклонение от фактических данных до 20%. Однако к началу мая 2020 года, после обучения модели на данных марта и апреля, ошибки уже в среднем не превышали 1%.

Таким образом, исследование показало, что математическая модель, созданная учеными СПбГУ, превосходит ранее существующие модели SIR и ARIMA, которые до недавнего времени были основными инструментами прогнозирования для государственных органов. В СПбГУ предложили более точную альтернативу.