Журнал вычислительной математики и математической физики
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Ж. вычисл. матем. и матем. физ.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Журнал вычислительной математики и математической физики, 2023, том 63, номер 10, страницы 1733–1746
DOI: https://doi.org/10.31857/S0044466923100095
(Mi zvmmf11639)
 

Эта публикация цитируется в 4 научных статьях (всего в 4 статьях)

Информатика

Моделирование эпидемий: нейросеть на основе данных и SIR-модели

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

Институт математики им. С.Л. Соболева СО РАН, 630090 Новосибирск, пр-т Акад. Коптюга, 4, Россия
Аннотация: 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.
Библ. 19. Фиг. 12. Табл. 2.
Ключевые слова: эпидемиология, временные ряды, машинное обучение, глубокое обучение, обработка данных, рекуррентные нейронные сети, полносвязные нейронные сети, COVID-19, прогнозирование.
Финансовая поддержка Номер гранта
Министерство науки и высшего образования Российской Федерации 075-15-2022-281
Работа выполнена при поддержке Математического центра в Академгородке, соглашение с Минобрнауки РФ № 075-15-2022-281.
Поступила в редакцию: 22.05.2023
Исправленный вариант: 22.05.2023
Принята в печать: 26.06.2023
Англоязычная версия:
Computational Mathematics and Mathematical Physics, 2023, Volume 63, Issue 10, Pages 1929–1941
DOI: https://doi.org/10.1134/S096554252310007X
Реферативные базы данных:
Тип публикации: Статья
УДК: 519.673
Образец цитирования: О. И. Криворотько, Н. Ю. Зятьков, С. И. Кабанихин, “Моделирование эпидемий: нейросеть на основе данных и SIR-модели”, Ж. вычисл. матем. и матем. физ., 63:10 (2023), 1733–1746; Comput. Math. Math. Phys., 63:10 (2023), 1929–1941
Цитирование в формате AMSBIB
\RBibitem{KriZyaKab23}
\by О.~И.~Криворотько, Н.~Ю.~Зятьков, С.~И.~Кабанихин
\paper Моделирование эпидемий: нейросеть на основе данных и SIR-модели
\jour Ж. вычисл. матем. и матем. физ.
\yr 2023
\vol 63
\issue 10
\pages 1733--1746
\mathnet{http://mi.mathnet.ru/zvmmf11639}
\crossref{https://doi.org/10.31857/S0044466923100095}
\elib{https://elibrary.ru/item.asp?id=54648813}
\transl
\jour Comput. Math. Math. Phys.
\yr 2023
\vol 63
\issue 10
\pages 1929--1941
\crossref{https://doi.org/10.1134/S096554252310007X}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/zvmmf11639
  • https://www.mathnet.ru/rus/zvmmf/v63/i10/p1733
  • Эта публикация цитируется в следующих 4 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Журнал вычислительной математики и математической физики Computational Mathematics and Mathematical Physics
    Статистика просмотров:
    Страница аннотации:71
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024