圣彼得堡大学智能物流中心的科学家开发了一种新的基于案例的费率推理(CBRR)模型，用于预测流行病的动态。研究人员正在使用这种方法来准备对在俄罗斯的传播情况的预测。这些预测是基于较早记录该疾病的国家中流行病动态的数据。

科学家在2020年4月至2020年5月开始建立第一个预测时面临挑战：没有任何可用的数学预测流行病动态的模型可用于。

“ 2020年4月至5月，尚无有关新病毒动态的统计数据，而此类统计数据适用于人类已知的病毒。因此，当时可用的模型类别不适用于预测新病毒的动态。有必要开发一种新的方法和一种新的CBRR模型，其特点是，为了预测俄罗斯的流行趋势，它使用了新的在流行开始之前的国家中传播动态的数据。圣彼得堡大学智能物流中心负责人，圣彼得堡大学能源系统数学建模系主任，物理学和数学博士Victor Zakharov教授说。

建立了整个俄罗斯的新模型后，科学家开始每周更新对圣彼得堡和莫斯科的预报(其预报可在圣彼得堡大学智能物流中心的网站上找到)。根据最新的预测，在过去的两周中，俄罗斯每天新增病例的数量从24,000到27,000不等。2020年12月3日，这一数字首次超过28,000。如果这种增长水平持续7到10天，俄罗斯将使新病例数量的曲线变平。如果这种情况开始减少，科学家们认为俄罗斯可能会在2020年12月21日至22日达到活跃病例数的峰值：这是根据特定日期的患病人数得出的。这几天 整个国家的受感染人数可能在51.4万至51.7万之间。必须考虑这些值，以了解医疗保健系统的负载水平并计划其未来的工作。

新的CBRR模型建立在迭代方法的基础上：预测所基于的数据会在2-3周内实时更新。因此，该流行病在最后一个分析时间段内的真实进程使得可以在不久的将来更准确地计算其流行趋势的预测。“对于俄罗斯和的春季预测是在当前时间之前2-3周建立的。在对圣彼得堡和莫斯科的预测中，我们依靠前几天(2-3周)的数据并得出使用相同模型进行的预测，但针对这些数据进行了调整。” Victor Zakharov说。

“已开发的CBRR模型包括用于间隔长度启发式选择的迭代程序，一组百分比增长值以及其他重要参数。这些特征包括：在新情况下增加的峰值以及可能出现的峰值高度周期;以及迭代程序的一个重要组成部分是流行病扩散国家链的形成(Epidemic Spreading Chain，ESC)，其中包括按达到相同水平的国家排序的几个国家。选定的参数。建立预测的国家称为“国家关注者”，其余的我们称为“国家前身”的国家。” Victor Zakharov补充说。

Zakharov教授指出，为正确调整模型，ESC国家必须采取相对相同的措施来防止蔓延：隔离，自我隔离，社会隔离等。正如他所澄清的那样，作为国家追随者的俄罗斯联邦流行病的特征是晚于其他国家相比达到相同增长率的日期。“基于这一事实，在对俄罗斯流行病的建模和预测时，我们将，西班牙，英国和法国列为ESC链中的前身。流行病统计数据的顺序生成演变轨迹例如，将感染人数与实际统计数据进行比较。”