Пространственное POD-разложение эпидемиологических данных COVID-19
https://doi.org/10.15514/ISPRAS-2024-36(2)-13
Аннотация
В работе исследуются пространственно-временные ряды основных эпидемиологических показателей COVID-19 (распространенность, смертность, показатель выздоровления) для различных регионов России. С целью выявления пространственной корреляции применено POD-разложениеб выделены основные моды, получены соответствующие временные зависимости; к последним применено шумоподавление с помощью Empirical Mode Decomposition. Показано, что вследствие разного характера временных коэффициентов для исследуемых параметров совместное POD-разложение нецелесообразно. Исследована сходимость разложения к исходным данным в зависимости от числа мод разложения; выявлен экспоненциальных характер этой зависимости.
При поддержке: РНФ (проект №23-71-10068).
Об авторе
Степан Алексеевич ЕЛИСТРАТОВ
Институт системного программирования имени В.П. Иванникова,
Институт математики им. С.Л. Соболева СО РАН
Россия
Россия
Сотрудник Лаборатории цифрового моделирования технических систем Института системного программирования с 2021 года. Сфера научных интересов: математическое моделирование, прогностические модели, методы пониженной размерности.
Список литературы
1. Hethcote H. The Mathematics of Infectious Diseases / SIAM Review, vol. 42(4), 2000, pp. 599–653.
2. Beckley R., C. Weatherspoon C., Alexander M. et al. Modeling epidemics with differential equations / Tennessee State University Internal Report.
3. Santos G., Alves T., Alves G., Filho A. Asynchronous SIR model on Two-Dimensional Quasiperiodic Lattices, vol 01, 2019.
4. Bisin A., Moro A. Learning Epidemiology by Doing: The Empirical Implications of a Spatial-SIR Model with Behavioral Responses / Journal of Urban Economics, vol. 127, 2022.
5. von Csefalvay C. Spatial dynamics of epidemics: Epidemics in discrete and continuous space / Computational Modeling of Infectious Disease, vol. 13, 2023, pp. 257–303.
6. Derevich I., Panova A. (2019). Effects of Random Migration on the Growth of the Population of a Biological System. Journal of Engineering Physics and Thermophysics. 92. 10.1007/s10891-019-02054-x.
7. https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html.
8. Elistratov S.A. POD-based Hydrodynamical Structures Visualization in Flows with an Internal Wave Attractor / Scientific Visualization, vol. 15(2), 2023, pp. 125 – 133.
9. Yilmaz I., Aylı E., Aradag S. Investigation of the Effects of Length to Depth Ratio on Open Supersonic Cavities Using CFD and Proper Orthogonal Decomposition / The Scientific World Journal, vol. 01, 2013, –– p. 810175.
10. Berkooz G, Holmes P, Lumley J L. The Proper Orthogonal Decomposition in the Analysis of Turbulent Flows / Annual Review of Fluid Mechanics, vol. 25(1), 1993, pp. 539–575, DOI: 10.1146/annurev.fl.25.010193.002543.
11. Brunton, Steven L. and Kutz, J. Nathan. 7 Data-driven methods for reduced-order modeling / Snapshot-Based Methods and Algorithms: Volume 2, edited by Peter Benner, Stefano Grivet-Talocia, Alfio Quarteroni, Gianluigi Rozza, Wil Schilders and Luís Miguel Silveira, Berlin, Boston: De Gruyter, 2021, pp. 307-344, DOI: 10.1515/9783110671490-007.
12. Nakamura T., Fukami K., Fukagata K. Identifying key differences between linear stochastic estimation and neural networks for fluid flow regressions / SciRep, vol. 12(3), 2020, p. 3726.
13. Duan Fan, Wang Jinjun. Fluid–structure–sound interaction in noise reduction of a circular cylinder with flexible splitter plate / Journal of Fluid Mechanics, vol. 920(8), 2021.
14. Huang N.E., Shen Z., Long S.R. et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis / Proceedings of the Royal Society of London, vol. A4, 1998.
Рецензия
Для цитирования:
ЕЛИСТРАТОВ С.А. Пространственное POD-разложение эпидемиологических данных COVID-19. Труды Института системного программирования РАН. 2024;36(2):181-192. https://doi.org/10.15514/ISPRAS-2024-36(2)-13
For citation:
ELISTRATOV S.A. COVID-19 Epidemiological Indicators POD Spatial Decomposition. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2024;36(2):181-192. (In Russ.) https://doi.org/10.15514/ISPRAS-2024-36(2)-13
Послать статью по эл. почте 