Моделирование эпидемий: нейросеть на основе данных и SIR-модели | Sciact - Система учета научной деятельности ИМ СО РАН

Моделирование эпидемий: нейросеть на основе данных и SIR-модели Научная публикация

Журнал

Журнал вычислительной математики и математической физики
ISSN: 0044-4669

Вых. Данные

Год: 2023, Том: 63, Номер: 10, Страницы: 1733-1746 Страниц : 14 DOI: 10.31857/S0044466923100095

Ключевые слова

эпидемиология, временные ряды, машинное обучение, глубокое обучение, обработка данных, рекуррентные нейронные сети, полносвязные нейронные сети, COVID-19, прогнозирование

Авторы

Криворотько О.И. ¹ , Зятьков Н.Ю. ¹ , Кабанихин С.И. ¹

Организации

1	Институт математики им. С.Л. Соболева СО РАН

Информация о финансировании (1)

Министерство науки и высшего образования РФ
Математический центр в Академгородке

075-15-2019-1613, 075-15-2022-281

Ранее был предложен метод построения начального приближения для решения обратной задачи акустики градиентным методом на основе сверточной нейронной сети, обученной предсказывать распределение скоростей в среде по волновому отклику (И.Б. Петров, А.С. Станкевич, А.В. Васюков, Докл. РАН, 2023). Показано, что нейронная сеть, обученная на откликах от простых слоистых структур, может быть успешно использована при решении обратной задачи для существенно более сложной модели. В настоящей статье мы изложим алгоритмы обработки данных об эпидемиях и пример применения нейронных сетей для моделирования распространения COVID-19 в Новосибирской области, основанный только на данных. Построена нейросеть NN-COVID-19, которая использует данные об эпидемии. Показано, что нейронная сеть на порядок лучше, чем SEIR-HCD, предсказывает распространение COVID-19 на 5 дней. При появлении нового штамма (Омикрон) после переобучения нейросеть способна предсказать распространение эпидемии более точно. Отметим, что нейросеть использует не только эпидемиологические данные, но и социальные (праздники, введение и соблюдение ограничительных мер и т.п.). Предложенный подход позволяет уточнять математические модели. Сравнение кривых, построенных по SEIR-HCD модели и нейронной сетью, показывает, что графики решения прямой задачи практически совпадают с графиками, построенными нейросетью. Это позволяет уточнить коэффициенты дифференциальной модели.

Криворотько О.И. , Зятьков Н.Ю. , Кабанихин С.И.
Моделирование эпидемий: нейросеть на основе данных и SIR-модели
Журнал вычислительной математики и математической физики. 2023. Т.63. №10. С.1733-1746. DOI: 10.31857/S0044466923100095 РИНЦ OpenAlex

Krivorotko O.I. , Zyatkov N.Y. , Kabanikhin S.I.
Modeling Epidemics: Neural Network Based on Data and SIR-Model
Computational Mathematics and Mathematical Physics. 2023. V.63. N10. P.1929-1941. DOI: 10.1134/s096554252310007x WOS Scopus РИНЦ OpenAlex

Поступила в редакцию:	22 мая 2023 г.
Принята к публикации:	26 июн. 2023 г.
Опубликована в печати:	29 сент. 2023 г.
Опубликована online:	29 сент. 2023 г.

РИНЦ:	54648813
OpenAlex:	W4394830151

БД	Цитирований
РИНЦ	1