圣大科学家开发的流行病预测模型已证实其有效性
日前，圣彼得堡国立大学的科学家们证实了他们之前创建的流行病发展预测数学模型的有效性。该分析基于2020年和2021年莫斯科和圣彼得堡冠状病毒大流行的回顾性数据。模型出错概率不超过1%。
2021年至2022年期间，圣大动态过程系统分析中心的研究团队开发出一种新方法，用于研究具有随机参数的动态流入和流出系统，以及预测此类系统动态的新方法论。在其开发成果的帮助下，我校数学家们得以确定COVID 19大流行发病率的新高峰以及疾病传播的关键指标。
研究成果发表在科学杂志《病毒学问题》上。
该系统基于多因素对流行病发病率和传播动态影响的自然特征假说。因此，圣大数学家们使用了一种与自然对抗的动态博弈作为数学模型。结果发现，多种新病毒的传播动态，以及单个国家或全球人口的增长动态，都可以用带有随机参数的模型来描述。这种方法曾多次准确预测了圣彼得堡患病人数的增长。
圣大数学家的研究成果正确预测了大流行高峰期的发病人数动态。维克多·扎哈罗夫（Виктор Захаров）在接受《消息报》采访时如是说。在第一个月的观察之后，该模型就已非常准确地预测了未来三至四周的患病总人数。后来，数学家们修改了他们的研发成果，使其适用于任何流行病的预测。
动态系统的数学模型需要不断更新，纳入越来越多的因素。为了证实模型的效率和可操作性，科学家们进行了回顾性分析，并以大流行高峰期圣彼得堡和莫斯科的COVID 19为例，对病毒传播进行了实时预测。
论文中提到的对COVID 19病例总数和活动病例数的两周回顾性预测，在莫斯科和圣彼得堡都表现出足够高的准确性。发病高峰期病例总数的MAPE（平均绝对百分比误差）通常不超过1%，从预测的角度来看，可以被视为一个良好而可靠的结果。
动态过程系统分析中心学术带头人、圣大教授维克多·扎哈罗夫
在研究框架内，我校科学家们比较了莫斯科和圣彼得堡新增冠状病毒感染病例数、患病总人数的预测数据和实际数据，以及在出现COVID 19新毒株的背景下这些数据的动态变化。例如，2020年4月之前的预测与实际数据的平均偏差高达20%。而到了2020年5月初，根据3-4月份的数据对模型进行训练后，误差平均不超过1%。
由此，研究表明，圣彼得堡大学数学家们创建的模型超过了之前已有的同类模型SIR和ARIMA。需要指出的是，直到最近这类模型都是政府机构依赖的主要预测工具。而圣彼得堡大学则提出了更精确的替代方案。
需要指出，开发流行病预测模型的项目得到了圣彼得堡科学基金会的资助，该基金会于 2021年在亚历山大·贝格洛夫市长的指派下成立。