我校学者开发出了新的传染病预测数学模型
我校数学家对此前用于预测新冠病毒发病率增长的模型做了修正，使它能用于预测任何疫情。经过一个月的观察学习，该模型已经能够非常准确地预测未来三至四周内的活跃病例数。
2021-2022年，我校动态过程和系统分析中心的学者团队对随机参数动态流入和流出系统开发出了一种新的分析方法和预测方法。我校数学家将该模型用于预测以COVID-19为例的新型病毒的传播，由此便可确定未来传染增长的高峰和关键指标。该模型的基础假设是众多因素对疫病动态传播过程的影响具有自然属性。因此，我校数学家开发的数学预测模型采取了与自然因素动态博弈的方法。因此，在描述动态的新型冠状病毒的传播速度、某国或全球人口增长速度时，都可以借助CIR模型来赋予其随机参数。动态过程和系统分析中心学术主任、我校教授维克托·扎哈罗夫在校庆三百周年“人力资本：当代社会的教育、劳动和就业”学术和实践会议上做了全体报告，介绍了该模型在预测莫斯科和圣彼得堡COVID-19活跃病例变化情况方面所取得的成绩。
对上述过程的统计数据动态进行回顾性预测的大量计算实验表明，该模型在实践中是完全可行的。
我校学者开发的模型成功预测我国新冠患者日增长至秋季将降至25000人。
我校数学语言学教研室副教授维克托·扎哈罗夫说：“我们发现，动态流入和流出系统的基本随机参数的动态变化完全可以被预测，也可以通过分析已有数据的动态变化来分析和描述。例如，第一波COVID-19病例数增长百分比的数据极大地减少了疫情进一步发展的不确定性，并预示了随后疫情中患病率的涨落。鉴于病毒的自然生物特性，我们可以假设，CIR 模型中引入的随机参数的可预测性能适用于所有新型病毒及其变异。”
因此，我校学者可以基于对已有数据的分析、新患病病例和康复病例的增长百分比动态趋势，准确、及时地预测三至四周内活跃病例数，从而为病毒流行期间规划区域卫生系统对新病毒或已知病毒采取干预措施提供方法论基础。