საქართველოში კორონავირუსის გავრცელების პროგნოზირება

Abstract

Since the first outbreak of the epidemic in China in December 2019, various models have been developed and used to predict coronavirus. The paper focuses on predicting the spread of COVID 19 and evaluating preventive measures taken by the government. The study was conducted by employing Georgian coronavirus data. Epidemiological models, classical econometric time series models, and also machine learning models were used for forecasting. Furthermore, considering the nature and trend of the spread of the epidemic, we have proposed a polynomial model with modified architecture. The paper also discusses several parameters/ratios of the epidemic. The most important one, the number of reproductions, was modeled with several approaches. The result was not identical but comparable to certain circumstances. The results of the study showed that it is difficult to construct an ideal model for prediction. Each model has its advantages. In particular, phenomenological models well predict the epidemic trend, duration, and the total number of infected people, although they make a big mistake when predicting daily cases. In contrast, machine learning models predict relatively accurate daily infection in the short term, although due to data limitations, it is difficult to predict in the long run. Furthermore, compartmental models are the best choice for modeling state-controlled restrictive measures and determining the optimal level of restraint.

2019 წლის დეკემბერში ჩინეთში კორონავირუსის პირველი კერის გაჩენის შემდეგ სხვადასხვა სახის მოდელი იქნა შემუშავებული და გამოყენებული ეპიდემიის პროგნოზირებისათვის. ნაშრომი ეხება კოვიდ 19-ის გავრცელების პროგნოზირებასა და სახელმწიფოს მიერ გატარებული პრევენციული ღონისძიებების შეფასებას. კვლევა განხორციელდა საქართველოს მაგალითზე. პროგნოზირებისათვის გამოყენებული იქნა ეპიდემიოლოგიური მოდელები, ეკონომეტრიკული დროითი მწკრივების კლასიკური მოდელები და ასევე მანქანური სწავლების მოდელი. გარდა ამისა, ეპიდემიის გავრცელების ხასიათისა და ტრენდის გათვალისწინებით, ჩვენს მიერ შემოთავაზებულ იქნა პოლინომიალური მოდელი მოდიფიცირებული არქიტექტურით. გარდა ამისა, ნაშრომში განხილულია ეპიდემიის რამდენიმე პარამეტრი/კოეფიციენტი. მათ შორის უმნიშვნელოვანესია რეპროდუქციის რიცხვი, რომლის მოდელირება რამდენიმე მეთოდით განვახორციელეთ. მიღებული შედეგები არაიდენტური, თუმცა გარკვეული გარემოებების გათვალისწინებით შესადარისი იყო. კვლევის შედეგებმა აჩვენა, რომ პროგნოზირებისათვის იდეალური მოდელის აგება რთულია. კონკრეტულ მოდელს გააჩნია თავისი უპირატესობები. კერძოდ, ფენომენოლოგიური მოდელები კარგად პროგნოზირებენ ეპიდემიის ტრენდს, ხანგრძლივობასა და ინფიცირებულთა ჯამურ რაოდენობას, თუმცა დღიური შემთხვევების პროგნოზირებისას დიდ შეცდომას უშვებენ. საპირისპიროდ, მანქანური სწავლების მოდელები მოკლევადიან პერიოდში შედარებით ზუსტ დღიური ინფიცირების პროგნოზს აკეთებენ, თუმცა მონაცემების შეზღუდულობის გამო, გრძელვადიანი პროგნოზირება უჭირთ. სახელმწიფოს მიერ გატარებული შეკავების ღონისძიებების მოდელირებისათვის და ოპტიმალური შეზღუდვის დონის განსაზღვრისათვის კი საუკეთესო არჩევანს განყოფილებიანი მოდელები წარმოადგენენ.