St
彼得堡州立大学 信用:CC0公共领域 圣彼得堡大学智能物流中心的科学家开发了一种新的基于案例的比率推理(CBRR)模型，用于预测流行病的动态
利用这种方法，研究人员正在为COVID-19在俄罗斯的传播准备预测
这些预测是基于疾病早期记录国家的疫情动态数据
当科学家们在2020年4-5月开始建立他们的第一个预测时，他们面临着一个挑战:现有的用于预测流行病动态的数学模型对COVID-19不起作用
“2020年4月至5月，还没有关于这种新病毒动态的统计数据，而人类已知的病毒却有这种统计数据
因此，当时可用的模型类别不适用于预测流行病的动态
有必要制定新的方法和新的CBRR模式
圣彼得堡大学智能物流中心主任、圣彼得堡大学能源系统数学建模系主任、物理和数学博士维克托·扎哈罗夫教授说:“它的特点是，为了预测俄罗斯的疫情演变，它使用了新冠状病毒在比我国更早开始流行的国家的传播动态数据。”
在建立了俄罗斯整体的新模型后，科学家们开始每周更新他们对圣彼得堡和莫斯科的预测(他们的预测可在圣彼得堡大学智能物流中心的网站上获得)
根据最新的预测，在俄罗斯，过去两周新冠肺炎新增病例的日增长幅度在2.4万至2.7万之间
2020年12月3日，这一数字首次超过28，000人
如果这一增长水平持续7到10天，俄罗斯将会拉平新增病例数的曲线
如果随后开始减少，科学家认为俄罗斯的活跃病例数可能会在2020年12月21-22日达到峰值:这是根据某一天的患病人数而定的
目前，全国感染人数可能在51.4万至51.7万之间
为了了解医疗保健系统的负荷水平并规划其未来的工作，必须考虑这些值
新的CBRR模型是建立在迭代方法的基础上的:预测所基于的数据在2-3周内实时更新
因此，在最近分析的时间段内，流行病的真实过程使得有可能更准确地计算对其近期动态的预测
“对俄罗斯和美国春季的预测比当前时间提前了2-3周
在对圣彼得堡和莫斯科的预测中，我们依赖前几天(2-3周)的数据，并使用相同的模型进行预测，但根据这些数据进行了调整，”维克托·扎哈罗夫说
开发的CBRR模型包括一个迭代过程，用于启发式选择区间长度、一组百分比增长值和其他重要参数
这些因素包括:新病例增加的高峰和可能的高峰时段；以及活跃病例数的峰值
迭代程序的一个重要组成部分是形成流行病传播的国家链(流行病传播链)，其中包括几个国家，按它们达到选定参数的相同水平的时间排列
维克托·扎哈罗夫补充说:“预测所针对的国家被称为国家跟随者，其余的国家我们称之为国家前辈。”
扎哈罗夫教授指出，为了正确地调整模型，经济合作与发展组织国家有必要采用相对相同的措施来防止疫情蔓延:隔离、自我隔离、社会距离等
正如他所澄清的那样，俄罗斯联邦这一国家跟随者的流行病的特点是，与其他国家相比，增长率达到相同百分比的日期较晚
“基于这一事实，在建模和预测俄罗斯疫情动态时，我们将意大利、西班牙、英国和法国列为经济稳定委员会链中的国家先行者
维克托·扎哈罗夫说:“将这一流行病的统计数据，例如受感染的总人数，按顺序生成的演变轨迹与实际统计数据进行比较。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
