В данной работе представлено всестороннее исследование применения вейвлет-анализа к реальным пандемическим данным — ежедневным новым случаям COVID-19 в России. Неотъемлемая сложность и многомасштабная природа динамики инфекционных заболеваний, усугубляемая такими факторами, как эволюция вируса и реакция населения, часто представляют собой вызов для эффективности традиционных эпидемиологических подходов. Вейвлет-анализ, благодаря своей уникальной способности разлагать сигналы на составляющие частоты, локализованные во времени, предлагает мощную альтернативу для выявления скрытых закономерностей и понимания явлений, происходящих на различных временных масштабах.Наше исследование углубляется в изучение динамики заболеваемости COVID-19 в различных регионах России. Сравнивая региональную динамику на различных временных масштабах, мы стремимся выявить периоды, когда поведение является устойчиво схожим, тем самым обнажая лежащие в основе общие движущие силы или ответные реакции. Этот сравнительный анализ приводит к ключевому выводу относительно конкретных временных масштабов, на которых проявляются эти сходные паттерны поведения, и визуализации аномалий.Результаты, полученные с помощью вейвлет-анализа, напрямую применимы к разработке, обобщению и масштабированию прогностических моделей, основанных на данных. Понимая временные масштабы, демонстрирующие надежное, межрегиональное сходство, мы можем создавать более эффективные и адаптируемые предиктивные модели. Модели, основанные на этих масштабно-специфических инсайтах, лучше подходят для широкого применения, уменьшая необходимость в обширной донастройке для различных географических областей и, в конечном итоге, повышая нашу способность к прогнозированию и управлению эпидемиями.
Stepan Elistratov (Fri,) studied this question.