УДК 519.23
ПРОГНОЗИРОВАНИЕ ВСПЫШЕК ЭПИДЕМИЙ ИНФЕКЦИОННЫХ БОЛЕЗНЕЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДА «БЛИЖАЙШЕГО
СОСЕДА» С ПОЛИНОМИАЛЬНОЙ РЕГРЕССИОННОЙ МОДЕЛЬЮ
Н.С. Бакуменко, А.И. Кардаш , О.С.Радивоненко
Национальный аэрокосмический университет им. Н.Е. Жуковского ".ХАИ"
Samsung Research Development institute Ukraine
Прогнозирование инфекционной заболеваемости является важной научно-практической проблемой, поскольку является обоснованием ряда важных мероприятий для стабилизации и профилактики распространений инфекций. По современным представлениям характер тенденции заболеваемости зависит, прежде всего, от качества и эффективности профилактических мероприятий, направленных на основные причины и условия развития эпидемического процесса. Решение задачи прогнозирования инфекционной заболеваемости также может быть необходимо для фармацевтических предприятий для оценки уровня спроса на определенные группы медицинских препаратов.
Общим подходом к решению задачи прогнозирования заболеваемости является использование методов анализа временных рядов. Существует ряд популярных моделей представления временных рядов, такие как регрессионные, модели экспоненциального сглаживания, нейросетевые, модели авторегрессии и проинтегрированного среднего. Но все они не учитывают влияние циклической компоненты временного ряда, в то время как временной ряд заболеваемости инфекционными заболеваниями зачастую имеет такую составляющую. Поэтому для улучшения качества прогноза следует выбрать метод, использующий сходство поведения ряда на различных временных интервалах. Такими характеристиками обладает группа методов, основанных на построении выборки максимального подобия.
В данной работе была выбрана модель "ближайшего соседа" в виде регрессионной нелинейной полиномиальной модели. Основными преимуществами модели является то, что экстраполяция значений временного ряда производится в одну итерацию, а так же то, что модель может работать как со стационарными, так нестационарными временными рядами. В качестве меры близости выборки были использованы коэффициент корреляции Пирсона и евклидова метрика.
В результате работы был реализован программный продукт на языке С#, который позволяет исследовать временной ряд и осуществлять прогноз его будущих значений.
Нет похожих статей