Математические методы и модели, используемые в задачах прогнозирования, могут относиться к самым различным разделам: к регрессионному анализу, анализу временных рядов, форми- рованию и оцениванию экспертных мнений, имитационному моделированию, системам одновременных уравнений, дискриминантному анализу, логит- и пробит- моделям, аппарату логических решающих функций, дисперсионному или ковариационному анализу, анализу ранговых корреляций и таблиц со- пряженности и т.д. При анализе явления за длительный временной период, например, многолетней динамики забо- леваемости с прогнозом дальнейшего развития процесса, используется уровень временного ряда, кото- рый формируется под воздействием следующих факторов: • формирующих тенденцию ряда (тренд, характеризующий совокупное долговременное воздейст- вие множества факторов на динамику изучаемого явления – возрастание или убывание); • формирующих циклические колебания ряда, связанные с сезонностью заболевания; • случайные факторы. В нашей работе мы провели исследование по выявлению цикличности во временных рядах много- летней динамики заболеваемости геморрагической лихорадки с почечным синдромом и осенней числен- ности рыжей полевки. Данное исследование проводили с помощью коэффициента автокорреляции. В результате проведенных исследований в динамических рядах показателей заболеваемости ге- моррагической лихорадки с почечным синдромом, показателей осенней численности рыжей полевки не выявлено цикличности и данные показатели являются случайными величинами, что подтверждается тремя тестами: о неповторяемости временного ряда, об оценке повышения и понижения временного ря- да, анализе суммы квадратов. Это показывает, что показатели временного ряда могут иметь нелинейную тенденцию, для выявления которой нужно провести дополнительный анализ, например с помощью рег- рессионного анализа.
природно-очаговые инфекции, рыжая полевка, геморрагическая лихорадка с почечным синдромом, анализ временных рядов, автокорреляция, показатель заболеваемости, числен- ность, авторегрессионные модели, кореллограмма.
1. Новохатка А.Д., Смольянинова О.Л., Честнова Т.В. Влияние инфицированности и численности мелких млекопитающих по ландшафтно-географическим зонам Тульской области на заболеваемость лептоспирозом серогруппы гриппотифоза // Вестник новых медицинских технологий. 2005. №1. С. 122-124.
2. Честнова Т.В., Смольянинова О.Л., Логвинов С.И. К вопросу о выборе метода математического анализа с целью прогнозирования заболеваемости лептоспирозом // Вестник новых медицинских технологий. 2011. №4. С.18-21.
3. Честнова Т.В., Смольянинова О.Л, Смольянинова В.А. К вопросу прогнозирования численности иксодовых клещей I. ricinus в природных биотопах с помощью искусственных нейронных сетей // Вестник новых медицинских технологий. 2012. №1. С. 231-232.
4. Евстегнеева В.А., Честнова Т.В., Смольянинова О.Л. О нейросетевом моделировании и прогнозировании эпизоотий туляремии на территории Тульской области // Вестник новых медицинских технологий. Электронное издание. 2014. № 1. Публикация 1-9. URL: http://www.medtsu.tula.ru/VNMT/Bulletin/E2014-1/5022. (Дата обращения: 1.12.2014). DOIhttps://doi.org/10.12737/7240
5. Евстегнеева В.А. К вопросу о математических методах прогнозирования заболеваемости природно - очаговыми инфекциями // Вестник новых медицинских технологий. Электронное издание. 2014. № 1. Публикация 1-10. URL: http://www.medtsu.tula.ru/VNMT/Bulletin/E2014-1/5023. (Дата обращения:1.12.2014). DOI:https://doi.org/10.12737/7241
