Глобальна пандемія COVID-19 почалася в грудні 2019 року і стрімко поширилася по всьому світу. У всьому світі захворіли понад 230 мільйонів людей, 4,75 мільйона випадків закінчились летальним результатом. Крім загрози здоров'ю наслідком пандемії стали соціальні проблеми, економічна криза і перехід звичного життя в "нову реальність". Математичне моделювання є ефективним інструментом для контролю епідемічного процесу COVID-19 на заданих територіях. Моделювання дозволяє спрогнозувати майбутню динаміку епідемічного процесу і виявити фактори, які впливають на підвищення захворюваності найбільшим чином. Результати моделювання дозволяють фахівцям громадської охорони здоров'я вживати ефективні науково обгрунтовані заходи щодо стримування епідемії. Мета статті - розробка моделей машинного навчання і компартментних моделей епідемічного процесу COVID-19, а також дослідження експериментальних результатів моделювання. Об'єкт дослідження - епідемічний процес COVID-19 і його динаміка на території України. Предмет дослідження - моделі і методи моделювання епідемічних процесів, в тому числі методи машинного навчання і компартментні моделі. Для досягнення мети дослідження ми використовували методи прогнозування машинного навчання і побудували модель лінійної регресії епідемічного процесу COVID-19 і модель SIR епідемічного процесу COVID-19. В результаті експериментів з розробленими моделями була отримана прогнозна динаміка епідемічного процесу COVID-19 на 30 днів для підтверджених випадків, тих, що видужали і летальних. Для випадків "Підтверджений", "Той, що видужав" і "летальний" середні помилки мають відхилення 1,15, 0,037 і 1,39 відсотка відповідно в результаті моделі лінійної регресії. Для випадків "Підтверджений", "Той, що видужав" і "Летальний" середні помилки мають відхилення 3,29, 1,08 і 0,71 відсотка відповідно для моделі SIR. Висновки. На даному етапі розвитку епідемічного процесу COVID-19 для прогнозування захворюваності доцільніше використовувати модель лінійної регресії, яка показала більш високу точність і ефективність. Як правило, причина цього полягає в тому, що використана модель лінійної регресії для цього дослідження була реалізована лише за 30 днів (за 15 днів до 2 березня), а не з використанням всього набору даних COVID-19. Крім того, очікується, що якщо ми спробуємо прогнозувати в більш тривалих часових діапазонах, модель лінійної регресії втратить точність. Як альтернатива, оскільки модель SIR включає більшу кількість факторів, очікується, що модель буде краще працювати при прогнозуванні на більш тривалі часові діапазони.

 Наукова періодика України 

---

Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)

• Чумаченко Дмитро Ігорович (технічні науки)
• Чумаченко Дар'я Володимирівна (педагогічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"