.tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="9d371cc4f1740103f1f3a13231de6b3b"] { border-radius: 7px;padding: 25px;border: 1px solid rgba( 166, 55, 189, 0.55 ); } .tb-field[data-toolset-blocks-field="d63a74801051d3090d414a4114fd48a8"] { font-size: 14px;color: rgba( 61, 61, 61, 1 ); }  .tb-field[data-toolset-blocks-field="1aaccac0f35d2dcbfd4eeb0d2db900be"] { font-weight: bold;color: rgba( 155, 81, 224, 1 ); }  .tb-field[data-toolset-blocks-field="1aaccac0f35d2dcbfd4eeb0d2db900be"] a { font-weight: bold; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 0.78fr) minmax(0, 0.22fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="7fab3b54ecc84e84e44e228bf81b136d"] { background: rgba( 6, 147, 227, 1 );padding: 25px; } .tb-field[data-toolset-blocks-field="40342d89b265453b0eb1e41dc19edc71"] { font-weight: bold;text-transform: uppercase;color: rgba( 255, 255, 255, 1 ); }  .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }     .tb-field[data-toolset-blocks-field="e31dcba0cffe97b01fb1391fd3e75aba"] a { color: rgba( 6, 147, 229, 0.58 );text-decoration: none;text-transform: uppercase; } .tb-field[data-toolset-blocks-field="ad082096fbb52a749a0892295378f993"] { text-transform: uppercase;color: rgba( 123, 220, 181, 1 ); }  .tb-field[data-toolset-blocks-field="ad082096fbb52a749a0892295378f993"] a { color: rgba( 0, 209, 132, 0.48 );text-decoration: none;text-transform: uppercase; } h1.tb-heading[data-toolset-blocks-heading="19e80d956559bebc21e8928194d671d2"]  { text-transform: uppercase; }  @media only screen and (max-width: 781px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }        } @media only screen and (max-width: 599px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="786e014b2e414fb0149a4ea645bdbdbe"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }        } 

Проектная работа “Моделирование процессов распространения эпидемии”

научно-исследовательский проект

Охрана здоровья

Автор: Команова Алия Дамировна

Место работы/учебы: УВК школа-гимназия №12, г. Бишкек, Киргизская Республика, 11 клас

Научный руководитель: Абушкина Наталья Валериевна, учитель химии

Аннотация

Актуальность выбранной темы. Для того, чтобы эффективно бороться с ростом заболеваемости и держать ситуацию под контролем, необходимо отслеживать динамику развития заболеваемости и делать реалистичные прогнозы, на основе которых должны будут предприняты соответствующие меры. Все эти задачи можно выполнить с помощью математических моделей. К тому же данные методы прогноза могут использоваться в других сферах. Например, в прогнозе распространения компьютерных вирусов, информации в сети и обществе, и т.д.

Цель исследования: повышение качества прогнозирования с применением математической модели распространения инфекций; построение симуляции, визуализирующей процессы распространения эпидемий.

Задачи:

Изучение методов моделирования эпидемических процессов.
Описание математических моделей, которые прогнозируют распространение инфекционных заболеваний.
Сбор данных заболеваемости вирусом COVID-19 в Кыргызстане.
Проведение численного эксперимента: построение модели эпидемии COVID-19 в Кыргызстане с учетом вирусных мутаций и составление прогноза.
Построение симуляции распространения инфекций путем цепочки социальных контактов.

Объект исследования: модель распространения эпидемии SIR и ее модификации.

Предмет исследования: методы прогнозирования распространения вирусной инфекции.

Результаты

В ходе исследовательской работы выполнен анализ процессов развития эпидемий, методов прогнозирования и влияние противоэпидемических мер на процесс распространения вируса в популяции. Так же проведен обзор классической модели SIR и класса ее модификаций - компартментальных моделей распространения инфекций.
На языке Python была написана программа для составления прогнозов развития эпидемии, в которой заложены основные принципы распространения вируса на основе модификационных моделей SEIR- и SEIRD-типа. С помощью SEIR-модели проведен ряд численных экспериментов, по результатам которых была описана эпидемическая ситуация в каждой области Кыргызстана во время первой вспышки СOVID-19 в 2020 году. Так же был рассмотрен сценарий развития пандемии в г. Бишкек при введении строгих противоэпидемических мер.
На основе SEIRD-модели составлен прогноз развития эпидемии омикрон-штамма SARS-Cov-2 в Бишкеке.
Так же была написана программа, симулирующая распространение вируса в популяции путем цепочки социальных контактов. Данную модель можно использовать для реальных прогнозов, как дополнение к SEIRD-модели.
Программы, написанные в рамках практической части проекта, можно использовать для моделирования распространения других эпидемий, путем изменения параметров в зависимости от характеристик каждого вируса.