Моделирование эпидемий: нейросеть на основе данных и SIR-модели

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.