Актуальность темы магистерской диссертации заключается в ее тесной связи с глобальной пандемией нового коронавируса, при этом особое внимание уделяется распространению эпидемии и борьбе с ней. Целью исследования является предоставление научной и научно обоснованной поддержки путем разработки моделей и симуляций политики профилактики эпидемий в сообществе. Основная цель диссертационной работы – оценить факторы, влияющие на эффективность стратегий профилактики и контроля, а также раскрыть ключевые факторы и механизмы передачи эпидемии. Посредством симуляционных экспериментов, анализа и сравнения результатов создается исчерпывающая информация, которая поможет лицам, принимающим решения, формулировать и осуществлять более эффективную политику профилактики эпидемий на уровне сообщества. Целью данного исследования является изучение влияния мобильности населения и планировки жилого массива на передачу заболеваний и эффективность стратегий профилактики эпидемий. Предметом исследования является разработка системы моделирования и симуляции политики предотвращения эпидемий на уровне сообщества с использованием модели SIR и сети «малого мира» в жилом сообществе с численностью населения 500 человек. Научная новизна данного исследования заключается в сочетании классической модели SIR с сетевой моделью маленького мира, а также в использовании агентной модели и программного обеспечения NetLogo для моделирования. Этот инновационный подход учитывает взаимодействие и связи между людьми в сообществе, позволяя более точно моделировать распространение болезней и оценивать эффекты различных стратегий профилактики эпидемий. Практическая значимость исследования заключается в обеспечении научной основы и руководства для лиц, принимающих решения. Путем проведения симуляционных экспериментов и анализа результатов исследование оптимизирует разработку и реализацию политики профилактики эпидемий на уровне сообщества, эффективно контролируя распространение заболеваний, защищая здоровье населения и решая проблемы, связанные с инфекционными заболеваниями. / The relevance of the master's thesis topic lies in its close connection to the global novel coronavirus pandemic, specifically focusing on the spread and control of the epidemic. The research aims to provide scientific and evidence-based support by developing community epidemic prevention policy models and simulations. The main goal of the thesis is to evaluate the factors influencing the effectiveness of prevention and control strategies and uncover the key factors and mechanisms of epidemic transmission. Through simulation experiments, analysis, and comparison of results, comprehensive information is generated to assist decision makers in formulating and implementing more effective community epidemic prevention policies. The objective of this study is to examine the influence of population mobility and the layout of a residential community on disease transmission and the effectiveness of epidemic prevention strategies. The subject of research focuses on developing a modeling and simulation framework for community epidemic prevention policies using the SIR model and small-world network in a residential community with a population size of 500 individuals. The scientific novelty of this study lies in the combination of the classic SIR model with the small-world network model, along with the introduction of the agent model and NetLogo software for simulation. This innovative approach considers the interactions and connections between individuals in a community, enabling a more accurate modeling of disease spread and evaluation of the effects of different epidemic prevention policies. The practical significance of the research lies in its provision of scientific basis and guidance to decision makers. By conducting simulation experiments and analyzing the results, the study optimizes the formulation and implementation of community epidemic prevention policies, effectively controlling the spread of diseases, protecting public health, and addressing the challenges posed by infectious diseases.
Identifer | oai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/129228 |
Date | January 2023 |
Creators | Лю, С., Liu, X. |
Contributors | Медведева, М. А., Medvedeva, M. A., УрФУ. Институт радиоэлектроники и информационных технологий-РтФ, Базовая кафедра «Аналитика больших данных и методы видеоанализа» |
Source Sets | Ural Federal University |
Language | English |
Detected Language | Unknown |
Type | Master's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Rights | Предоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613 |
Page generated in 0.0033 seconds