Все выпуски

[ Switch to English ]

Методы прогнозирования и модели распространения заболеваний

Число работ, посвященных прогнозированию инфекционной заболеваемости, стремительно растет по мере появления статистики, позволяющей провести анализ. В настоящей статье представлен обзор основных решений, доступных сегодня для формирования как краткосрочных, так и долгосрочных проекций заболеваемости; указаны их ограничения и возможности практического применения. Рассмотрены традиционные методы анализа временных рядов — регрессионные и авторегрессионные модели; подходы, опирающиеся на машинное обучение — байесовские сети и искусственные нейронные сети; рассуждения на основе прецедентов; техники, базирующиеся на решении задачи фильтрации. Перечислены важнейшие направления разработки математических моделей распространения заболевания: классические аналитические модели, детерминированные и стохастические, а также современные имитационные модели, сетевые и агентные.

Ключевые слова: прогнозирование заболеваемости, поточечные оценки, регрессионные модели, АРПСС, скрытые марковские модели, метод аналогий, экспоненциальное сглаживание, SIR, модель Барояна–Рвачева, клеточные автоматы, популяционные модели, агентные модели
Цитата: Кондратьев М.А. Методы прогнозирования и модели распространения заболеваний // Компьютерные исследования и моделирование, 2013, т. 5, № 5, с. 863-882
Citation in English: Kondratyev M.A. Forecasting methods and models of disease spread // Computer Research and Modeling, 2013, vol. 5, no. 5, pp. 863-882
DOI: 10.20537/2076-7633-2013-5-5-863-882
Creative Commons License Статья доступна по лицензии Creative Commons Attribution-NoDerivs 3.0 Unported License.
Информация о цитировании статьи по данным Crossref:
  • V. G. Skobelev. A Probabilistic Model for the Interaction of an Agent with a Network Environment. // Cybernetics and Systems Analysis. 2015. — V. 51, no. 6. — P. 835. DOI: 10.1007/s10559-015-9777-y
Сведения о цитировании могут быть существенно неполными, так как они базируется только на информации, полученной от партнёров программы Crossref cited-by.
Просмотров за год: 71. Цитирований: 19 (РИНЦ).

Журнал индексируется в Scopus

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.