Прогнозирование распространения COVID-19 в ЕС с использованием рандомизированного машинного обучения динамических моделей

Работа посвящена применению метода рандомизированного машинного обучения для прогнозирования развития эпидемии COVID-19, основанной на эпидемиологической модели SIR. Предлагается два варианта моделирования, первый основан на использовании модели SIR с оценкой параметров по реальным оперативным данным о случаях заболевания, второй основан на идее моделирования индикатора распространения инфекции и его прогнозирования. Cравнительное исследование предлагаемых методов и подходов базируется на сравнении со стандартным подходом, основанным на методе наименьших квадратов и проводится на наборе данных нескольких стран Европейского союза. Показана работоспособность предлагаемого подхода и его эффективность и адекватность в условиях малого количества данных с высоким уровнем неопределенности.