Они проанализировали данные по коронавирусу в Москве и Санкт-Петербурге за 2020–2021 годы. Вероятность ошибки модели оказалась меньше 1%. Результаты опубликовали в журнале «Вопросы вирусологии».

В 2021–2022 годах команда ученых из СПбГУ придумала новый способ изучать сложные системы с случайными параметрами. Это помогло им предсказать новые волны COVID-19 и понять, как болезнь распространяется.

Ученые предположили, что на эпидемии влияет множество случайных факторов. Поэтому они использовали математическую модель, которая учитывает случайность. Это позволило точно предсказать рост числа заболевших в Санкт-Петербурге.

Модель успешно спрогнозировала пик заболеваемости. Уже через месяц наблюдений модель точно предсказывала число заболевших на ближайшие 3–4 недели. Позже ее доработали, чтобы она могла прогнозировать любые эпидемии.

Ученые постоянно улучшают модель, добавляя новые данные. Чтобы проверить ее точность, они проанализировали данные по COVID-19 в Москве и Санкт-Петербурге. Ошибка прогнозов на пике эпидемии была меньше 1%.

Наши двухнедельные прогнозы по числу заболевших и активных случаев COVID-19 оказались очень точными. Ошибка MAPE (средняя абсолютная процентная ошибка) на пиках была меньше 1%. Это отличный результат, — сказал Виктор Захаров, руководитель исследования.

Ученые сравнили прогнозы с реальными данными по новым случаям заражения, общему числу заболевших и их динамике. Прогнозы до апреля 2020 года отклонялись от реальности на 20%. Но к маю 2020 года, после обучения модели на данных марта–апреля, ошибка упала до 1%.

Исследование показало, что модель СПбГУ точнее, чем популярные модели SIR и ARIMA. Раньше власти использовали именно их, но теперь у них есть более точный инструмент.

Ранее ученые проанализировали распространение эпидемий на уровне сообщества.