Моделирование эпидемиологической ситуации, связанной с распространением коронавирусной инфекции (COVID-19) в Санкт-Петербурге
В работе рассматриваются известные эпидемиологические модели: SIR, SEIR, SEIQRDP. Исследуется возможность применения этих моделей для прогнозирования эпидемиологической ситуации, связанной с коронавирусом в Санкт-Петербурге. Реализовано построение SEIQRDP-модели и построен прогноз по данным Санкт-Петербурга на 18 мая 2020 года для следующих показателей: количество зараженных, болеющих, выздоровевших, умерших, сроки прохождения пика и окончания эпидемии.
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Постановка задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Обзор литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Глава 1. Модели распространения эпидемий . . . . . . . . . . . . . . . . 8
1.1. Классическая модель SIR . . . . . . . . . . . . . . . . . . . . . . . 8
1.2. SEIR-модель . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3. Обобщенная SEIR-модель . . . . . . . . . . . . . . . . . . . . . . . 12
Глава 2. Эпидемиологическая ситуация в Санкт-Петербурге . . . . . . . 17
2.1. Автоматический подбор параметров модели . . . . . . . . . . . . 18
2.2. Модель развития эпидемии в Санкт-Петербурге . . . . . . . . . . 30
Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Приложение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
В декабре 2019 года в городе Ухань (провинция Хубэй, Китай) нача-
лась вспышка новой коронавирусной инфекции, быстро распространивша-
яся по Китаю, а затем и по всему миру. В марте 2020 года было объявлено,
что вспышка коронавирусной инфекции приняла характер пандемии. Воз-
будителю инфекции, новому коронавирусу, Всемирной организацией здра-
воохранения было дано название 2019-nCoV, или SARS-CoV-2, а инфекция
была названа COVID-19 («Coronavirus disease 2019»).
Вирус передается воздушно-капельным и контактным путем, име-
ет достаточно длительный инкубационный период (до 14 дней, в сред-
нем 5-7 дней), вызывает в организме серьезные заболевания, в том чис-
ле острую респираторную вирусную инфекцию, пневмонию, дыхательную
недостаточность, особенно опасен для людей пожилого возраста и имею-
щих хронические заболевания. Вакцины против коронавирусной инфекции
на данный момент не существует, для лечения используют симптоматиче-
скую терапию. По текущим данным, от начала заболевания до выписки
пациента проходит 10-20 дней в зависимости от тяжести течения формы
новой коронавирусной инфекции.
По данным [12] на середину мая 2020 года в России выявлено более
250 тысяч заболевших COVID-19, среди которых более 2,5 тысяч умерших.
В целях предотвращения распространения коронавирусной инфекции в ре-
гионах страны проводится комплекс противоэпидемических и профилакти-
ческих мероприятий.
С начала распространения эпидемии Санкт-Петербург занимает тре-
тью позицию по общему числу заразившихся коронавирусом в перечне всех
регионов России [13]. Эпидемиологическая ситуация в Санкт-Петербурге
значительно отличается от ситуации в Москве: не такой большой поток
иностранных граждан и прибывших из неблагополучных стран россиян,
меньшая плотность населения, быстрое введение противоэпидемических
мер также повлияли на скорость распространения инфекции в городе. В
целях контроля за эпидемиологической ситуацией и оперативного реаги-
рования на ее изменения могут применяются математические методы и
модели.
Математическое моделирование позволяет изучить механизмы разви-
тия эпидемии. Применение эпидемиологических моделей позволяет спро-
гнозировать и оценить многие характеристики распространения заболева-
ний. Адекватные и качественные математические модели позволят оценить
такие характеристики развития эпидемии, как общее число заболевших,
выздоровевших, умерших и болеющих, длительность эпидемии, время ее
окончания при различных параметрах, имитирующих влияние противо-
эпидемических мер.
Постановка задачи
В условиях борьбы с распространением коронавирусной инфекции
крайне важен анализ текущей ситуации в режиме реального времени, осно-
ванный на актуальных данных. Моделирование эпидемиологической ситуа-
ции с помощью математических методов позволяет оценить текущую ситу-
ацию и спрогнозировать дальнейшее развитие эпидемии. Целью настоящей
работы является исследование известных способов построения эпидемио-
логических моделей, построение модели и прогнозирование эпидемиологи-
ческой ситуации в соответствии с построенной моделью распространения
В данной работе были рассмотрены несколько математических моде-
лей распространения эпидемий. Произведен анализ этих моделей, после
которого в качестве основы была выбрана обобщенная SEIR-модель.
На основании реальных данных распространения коронавирусной ин-
фекции в Санкт-Петербурге модель была реализована в среде MATLAB.
Программная реализация позволила также автоматически рассчитывать
параметры модели. С помощью данной опции были проанализированы и
визуализированы полученные на различных наборах данных результаты.
Также в работе построена модель распространения коронавируса в
Санкт-Петербурге по состоянию на 18 мая 2020 года, учитывающая раз-
витие эпидемии в четырех группах населения: заболевшие, болеющие, вы-
здоровевшие и умершие. Автоматически рассчитанные, а затем скоррек-
тированные параметры позволили построить качественную модель и спро-
гнозировать развитие эпидемии.
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
4.9 (826 отзывов)
4.8 (37 отзывов)
4.9 (20 отзывов)
4.6 (30 отзывов)
4.8 (13 отзывов)
4.8 (211 отзывов)
4.6 (522 отзыва)
4.7 (18 отзывов)
5 (428 отзывов)
