摘要
解决并分析了新冠肺炎在新西伯利亚地区传播的基于药剂的模型的未知流行病学参数(传染性、感染者的初始数量、被检测的概率)的识别问题。建模的第一阶段涉及基于机器学习方法的数据分析,该方法允许确定进行的PCR检测的相关数据集和每日诊断的数量,并检测用于COVID-19传播建模的一些特征(季节性、平稳性、数据相关性)。在第二阶段,根据引入遏制措施的日期,使用额外的测量值(如使用PCR的每日诊断和测试人数、每日死亡率和其他有关疾病的统计信息)对未知模型参数进行校准。校准基于最小化日常诊断数据的失配函数。采用带树结构Parzen估计器和协方差矩阵自适应进化策略的OPTUNA优化框架来最小化失配函数。由于辨识问题的不适定性,本文进行了可辨识性分析以构造正则化算法。在第三阶段,分析了新西伯利亚地区新冠肺炎的识别参数以及新冠肺炎传播的不同情景,并结合引入的检疫措施进行了分析。这种建模可以用于选择有效的抗大流行项目。