Разработка алгоритмов выбора лучшей модели анализа временных рядов и нейросетевых моделей для прогнозирования случаев COVID-19

Анализ временных рядов является одной из наиболее исследуемых областей знаний во время распространения Covid-19 по всему миру. Проблема моделирования и прогнозирования случаев заражения COVID-19, летальных исходов, выздоровлений и прочих параметров остается актуальной и по сей день. Цель исследования. Данная статья посвящена исследованию классических статистических и нейросетевых моделей, которые могут быть использованы для прогнозирования случаев COVID-19. Материалы и методы. В статье обсуждается модель нейронной сети NNAR, проводится ее сравнение с линейными и нелинейными моделями (BATS, TBATS, линейный тренд Холта, ARIMA, классическая эпидемиологическая модель SIR). В статье приводится алгоритм Epemedic.Network, реализованный с использованием языка программирования R. Этот алгоритм принимает временные ряды в качестве входных данных и выбирает лучшую модель из SIR, статистических моделей и модели нейронной сети. Критерием выбора модели является ошибка MAPE. Рассмотрена реализация данного алгоритма для анализа временных рядов распространения COVID-19 в Челябинской области и прогнозирования возможного пика третьей волны, рассматриваются три возможных сценария. Отметим, что рассмотренный алгоритм может работать для любых временных рядов, а не только для эпидемиологических. Полученные результаты. Разработанный алгоритм позволил выявить закономерность заражения COVID-19 для Челябинской области с использованием моделей, реализованных в составе рассматриваемого алгоритма. Следует отметить, что рассмотренные модели позволяют с достаточной точностью формировать краткосрочные прогнозы. Мы показываем, что увеличение количества нейронов привело к повышению точности, так как есть другие случаи, когда ошибка уменьшается в случае уменьшения количества нейронов, и это зависит от характера распространения инфекции COVID-19. Заключение. Следовательно, чтобы получить очень точный прогноз, рекомендуется повторный запуск алгоритма еженедельно. Для среднесрочного прогнозирования из рассмотренных может использоваться только модель NNAR, но она также позволяет получать хорошие прогнозы только с горизонтом в 1-2 недели.