Математическое моделирование распространения эпидемии коронавируса COVID-19 в ряде европейских, азиатских стран, Израиле и России
(Стр. 154-165)
Подробнее об авторах
Куркина Елена Сергеевна
доктор физико-математических наук, доцент; профессор кафедры ИКТ; ведущий научный сотрудник факультета ВМК
Российский химико-технологический университет имени Д.И. Менделеева; Московский государственный университет имени М.В. Ломоносова Васецкий Алексей Михайлович старший преподаватель кафедры ИКТ
Российский химико-технологический университет имени Д.И. Менделеева Кольцова Элеонора Моисеевна доктор технических наук, профессор; заведующая кафедрой информационных компьютерных технологий
Российский химико-технологический университет имени Д.И. Менделеева
Москва, Российская Федерация
Российский химико-технологический университет имени Д.И. Менделеева; Московский государственный университет имени М.В. Ломоносова Васецкий Алексей Михайлович старший преподаватель кафедры ИКТ
Российский химико-технологический университет имени Д.И. Менделеева Кольцова Элеонора Моисеевна доктор технических наук, профессор; заведующая кафедрой информационных компьютерных технологий
Российский химико-технологический университет имени Д.И. Менделеева
Москва, Российская Федерация
Аннотация:
На основе дискретного логистического уравнения проведено моделирование распространения коронавируса COVID-19 во Вьетнаме, Южной Корее, Израиле, Чехии, Португалии, Германии, Франции, Швеции, Японии, России и Российских регионах. Для каждой из стран определены параметры: показатели роста численности инфицированных коронавирусом COVID-19, емкости системы (максимальное число жителей страны, которые потенциально могли бы быть инфицированы). Для каждой из стран были спрогнозированы времена пиков эпидемии, численность на пике и в конце эпидемии, прирост численности инфицированных коронавирусом COVID-19 на протяжении эпидемии, сроки окончания эпидемии. Фактические данные и результаты прогноза хорошо согласуются друг с другом. Были сделаны выводы о связи показателей роста численности с ограничительными мерами, проводимыми во время эпидемии. Практически во всех странах менялись 2 раза значения показателей роста численности инфицированных коронавирусом COVID-19 переходя от больших значений к меньшим. Отдельно был сделан прогноз распространения эпидемии коронавируса COVID-19 в России и Российских регионах. Т.е. рассматривались фактические данные по численности инфицированных коронавирусом COVID-19 в России за вычетом фактических данных числа инфицированных в Московском регионе (Москве и Московской области). Определены даты пиков эпидемии в России, тренд которой задает г. Москва и даты пиков эпидемии в Российских регионах. Для Российских регионов рассматриваются 4 сценария развития эпидемии с различными емкостями. Значение емкости системы, соответствующей фактическим данным по Российским регионам определяется в окрестности пика эпидемии. В зависимости от емкости системы Российские регионы будут проходить пики от 28.04 до 04.05.
Образец цитирования:
Куркина Е.С., Васецкий А.М., Кольцова Э.М., (2020), МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ РАСПРОСТРАНЕНИЯ ЭПИДЕМИИ КОРОНАВИРУСА COVID-19 В РЯДЕ ЕВРОПЕЙСКИХ, АЗИАТСКИХ СТРАН, ИЗРАИЛЕ И РОССИИ. Проблемы экономики и юридической практики, 2 => 154-165.
Список литературы:
Chang S. L. et al. Modelling transmission and control of the COVID-19 pandemic in Australia. arXiv preprint arXiv: 2003.10218. 2020.
Dandekar R., Barbastathis G. Neural Network aided quarantine control model estimation of global Covid-19 spread. arXiv preprint arXiv: 2004.02752. 2020.
Tam K. M., Walker N., Moreno J. Projected Development of COVID-19 in Louisiana. arXiv preprint arXiv: 2004.02859. 2020.
Blasius B. Power-law distribution in the number of confirmed COVID-19 cases. arXiv preprint arXiv: 2004.00940. 2020.
Shao N. et al. Dynamic models for Coronavirus Disease 2019 and data analysis. Mathematical Methods in the Applied Sciences. 2020. Vol. 43. No. 7. Pp. 4943-4949.
Tian J. et al. Modeling analysis of COVID-19 based on morbidity data in Anhui, China. Mathematical Biosciences and Engineering. 2020. Vol. 17. No. 4. Pp. 2842-2852.
Peng L. et al. Epidemic analysis of COVID-19 in China by dynamical modeling. arXiv preprint arXiv: 2002.06563. 2020.
Thyagaraja A. A phenomenological approach to COVID-19 spread in a population. arXiv preprint arXiv: 2003.12781. 2020.
Qi C. et al. Model studies on the COVID-19 pandemic in Sweden. arXiv preprint arXiv: 2004.01575. 2020.
Кольцова Э. М., Куркина Е. С., Васецкий А. М. Математическое моделирование распространения эпидемии коронавируса COVID-19 в Москве. Computational nanotechnology. 2020. Том. 7. №. 1. с. 99-105.
Кольцова Э.М., Гордеев Л.С. Методы синергетики в химии и химической технологии. М.: Химия, 1999. 256 c.
URL: https://coronavirus-monitor.ru/coronavirus-v-rossii/
URL: https://www.worldometers.info/coronavirus/
Chang S. L. et al. Modelling transmission and control of the COVID-19 pandemic in Australia. arXiv preprint arXiv: 2003.10218. 2020.
Dandekar R., Barbastathis G. Neural Network aided quarantine control model estimation of global Covid-19 spread. arXiv preprint arXiv: 2004.02752. 2020.
Tam K. M., Walker N., Moreno J. Projected Development of COVID-19 in Louisiana. arXiv preprint arXiv: 2004.02859. 2020.
Blasius B. Power-law distribution in the number of confirmed COVID-19 cases. arXiv preprint arXiv: 2004.00940. 2020.
Shao N. et al. Dynamic models for Coronavirus Disease 2019 and data analysis. Mathematical Methods in the Applied Sciences. 2020. Vol. 43. No. 7. Pp. 4943-4949.
Tian J. et al. Modeling analysis of COVID-19 based on morbidity data in Anhui, China. Mathematical Biosciences and Engineering. 2020. Vol. 17. No. 4. Pp. 2842-2852.
Peng L. et al. Epidemic analysis of COVID-19 in China by dynamical modeling. arXiv preprint arXiv: 2002.06563. 2020.
Thyagaraja A. A phenomenological approach to COVID-19 spread in a population. arXiv preprint arXiv: 2003.12781. 2020.
Qi C. et al. Model studies on the COVID-19 pandemic in Sweden. arXiv preprint arXiv: 2004.01575. 2020.
Koltsova E.M., Kurkina E.S., Vasetsky A.M. Mathematical modeling of the spread of COVID-19 in Moscow. Computational nanotechnology. 2020. Vol. VII. №. 1. Pp. 99-105.
Koltsova E.M., Gordeev L.S. Synergetic methods in chemistry and chemical technology. M.: Chemistry, 1999. 256 p
URL: https://coronavirus-monitor.ru/coronavirus-v-rossii/
URL: https://www.worldometers.info/coronavirus/
Dandekar R., Barbastathis G. Neural Network aided quarantine control model estimation of global Covid-19 spread. arXiv preprint arXiv: 2004.02752. 2020.
Tam K. M., Walker N., Moreno J. Projected Development of COVID-19 in Louisiana. arXiv preprint arXiv: 2004.02859. 2020.
Blasius B. Power-law distribution in the number of confirmed COVID-19 cases. arXiv preprint arXiv: 2004.00940. 2020.
Shao N. et al. Dynamic models for Coronavirus Disease 2019 and data analysis. Mathematical Methods in the Applied Sciences. 2020. Vol. 43. No. 7. Pp. 4943-4949.
Tian J. et al. Modeling analysis of COVID-19 based on morbidity data in Anhui, China. Mathematical Biosciences and Engineering. 2020. Vol. 17. No. 4. Pp. 2842-2852.
Peng L. et al. Epidemic analysis of COVID-19 in China by dynamical modeling. arXiv preprint arXiv: 2002.06563. 2020.
Thyagaraja A. A phenomenological approach to COVID-19 spread in a population. arXiv preprint arXiv: 2003.12781. 2020.
Qi C. et al. Model studies on the COVID-19 pandemic in Sweden. arXiv preprint arXiv: 2004.01575. 2020.
Кольцова Э. М., Куркина Е. С., Васецкий А. М. Математическое моделирование распространения эпидемии коронавируса COVID-19 в Москве. Computational nanotechnology. 2020. Том. 7. №. 1. с. 99-105.
Кольцова Э.М., Гордеев Л.С. Методы синергетики в химии и химической технологии. М.: Химия, 1999. 256 c.
URL: https://coronavirus-monitor.ru/coronavirus-v-rossii/
URL: https://www.worldometers.info/coronavirus/
Chang S. L. et al. Modelling transmission and control of the COVID-19 pandemic in Australia. arXiv preprint arXiv: 2003.10218. 2020.
Dandekar R., Barbastathis G. Neural Network aided quarantine control model estimation of global Covid-19 spread. arXiv preprint arXiv: 2004.02752. 2020.
Tam K. M., Walker N., Moreno J. Projected Development of COVID-19 in Louisiana. arXiv preprint arXiv: 2004.02859. 2020.
Blasius B. Power-law distribution in the number of confirmed COVID-19 cases. arXiv preprint arXiv: 2004.00940. 2020.
Shao N. et al. Dynamic models for Coronavirus Disease 2019 and data analysis. Mathematical Methods in the Applied Sciences. 2020. Vol. 43. No. 7. Pp. 4943-4949.
Tian J. et al. Modeling analysis of COVID-19 based on morbidity data in Anhui, China. Mathematical Biosciences and Engineering. 2020. Vol. 17. No. 4. Pp. 2842-2852.
Peng L. et al. Epidemic analysis of COVID-19 in China by dynamical modeling. arXiv preprint arXiv: 2002.06563. 2020.
Thyagaraja A. A phenomenological approach to COVID-19 spread in a population. arXiv preprint arXiv: 2003.12781. 2020.
Qi C. et al. Model studies on the COVID-19 pandemic in Sweden. arXiv preprint arXiv: 2004.01575. 2020.
Koltsova E.M., Kurkina E.S., Vasetsky A.M. Mathematical modeling of the spread of COVID-19 in Moscow. Computational nanotechnology. 2020. Vol. VII. №. 1. Pp. 99-105.
Koltsova E.M., Gordeev L.S. Synergetic methods in chemistry and chemical technology. M.: Chemistry, 1999. 256 p
URL: https://coronavirus-monitor.ru/coronavirus-v-rossii/
URL: https://www.worldometers.info/coronavirus/
Ключевые слова:
математическое моделирование, коронавирус COVID-19, дискретное логистическое уравнение, европейские страны, азиатские страны, Израиль, Россия.
Статьи по теме
4. МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕМЕТОДЫ ЭКОНОМИКИ 08.00.13 Страницы: 61-68 Выпуск №16787
Математическое моделирование распространения эпидемии коронавируса в мире и странах, с наибольшим количеством инфицированных в первой половине 2020 г
пандемия
коронавирус COVID-19
распространение эпидемии в мире
математическое моделирование
pandemic
Подробнее
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, ЧИСЛЕННЫЕ МЕТОДЫ И КОМПЛЕКСЫ ПРОГРАММ Страницы: 99-105 DOI: 10.33693/2313-223X-2020-7-1-99-105 Выпуск №16112
Математическое моделирование распространения эпидемии коронавируса COVID-19 в Москве
коронавирус COVID-19
математическое моделирование
логистическое уравнение
сценарии развития эпидемии
coronavirus COVID-19
Подробнее
Конференция «Второй московский политологический форум» Страницы: 16-22 DOI: 10.33693/2223-0092-2024-14-3-16-22 Выпуск №113934
Развитие энерготранспортных коридоров Ближнего Востока как основа региональных конфликтов
геополитика на Ближнем Востоке
транспортные магистрали
нефтегазопроводы
конфликты и развитие
США
Подробнее
Всероссийская научная конференция «Дробижевские чтения: этническое и социальное измерения», посвященная памяти Леокадии Михайловны Дробижевой Страницы: 16-26 DOI: 10.33693/2223-0092-2023-13-4-16-26 Выпуск №23217
Национально-государственная идентичность в контексте глобального противостояния: проблема устойчивости социальных систем
национально-государственная идентичность
духовные ценности
культура
идеология
глобальные факторы
Подробнее
Политическая идентичность России в современном мире Страницы: 13-18 DOI: 10.33693/2223-0092-2021-11-2-13-18 Выпуск №18861
Проблема исторического пути России в теории и политике
Россия
исторический путь
магистральный путь
собственный путь
интегральный путь
Подробнее
НАЦИОНАЛЬНАЯ БЕЗОПАСНОСТЬ РОССИИ Страницы: 15-20 DOI: 10.33693/2223-0092-2020-10-3-15-20 Выпуск №16874
Продвижение НАТО на Восток - угроза безопасности России, как главного субъекта русского мира
Россия
НАТО
угроза
стабильность
русский мир
Подробнее
1. Математическое моделирование Страницы: 7-13 Выпуск №10450
ПАРАЛЛЕЛЬНОЕ МОДЕЛИРОВАНИЕ ЭЛЕКТРИЧЕСКИХ ПОЛЕЙ ЛОВУШКИ МАСС-СПЕКТРОМЕТРА ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ИЗМЕРЕНИЯ МАСС ИОНОВ
математическое моделирование
параллельные вычисления
масс-спектрометр
поведение ионных облаков
Подробнее
1. ПОЛИТИЧЕСКИЕ ПРОБЛЕМЫ МЕЖДУНАРОДНЫХ ОТНОШЕНИЙ, ГЛОБАЛЬНОГО И РЕГИОНАЛЬНОГО РАЗВИТИЯ. ЗАРУБЕЖНЫЕ НАУЧНЫЕ ШКОЛЫ Страницы: 7-11 Выпуск №10327
Влияние холодной войны на современные тенденции мировой политики с точки зрения китайских и российских ученых
холодная война
Россия
Китай
Соединенные Штаты Америки
идеология
Подробнее
Теоретико-исторические правовые науки (юридические науки) Страницы: 19-25 DOI: 10.33693/2072-3164-2024-17-7-019-025 Выпуск №160584
Проблемы реализации законности в Российской Федерации
законность
Россия
проблемы законности
пути разрешения проблем законности
гарантии обеспечения законности.
Подробнее
Политические институты, процессы и технологии Страницы: 19-23 DOI: 10.33693/2223-0092-2024-14-1-19-23 Выпуск №48036
Особенности российской «мягкой силы» на современном этапе развития
Россия
«мягкая сила»
международные отношения
межгосударственные отношения
внешняя политика
Подробнее