Дипломная работа на тему "ТЮМГУ | Разработка приложения для компьютерного моделирования распространения эпидемии инфекционного заболевания"

Работа на тему: Разработка приложения для компьютерного моделирования распространения эпидемии инфекционного заболевания
Оценка: отлично.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программного обеспечения

РЕКОМЕНДОВАНО К ЗАЩИТЕ В ГЭК

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ РАСПРОСТРАНЕНИЯ ЭПИДЕМИИ ИНФЕКЦИОННОГО ЗАБОЛЕВАНИЯ

02.03.03 Математическое обеспечение и администрирование информационных систем
Профиль «Технологии программирования и анализа больших данных»

Тюмень 2023

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 4
ГЛАВА 1. МОДЕЛИРОВАНИЕ ЭПИДЕМИЙ ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ 7
1.1 ПОСТАНОВКА ЗАДАЧИ 7
1.2 КОМПАРТМЕНТАЛЬНЫЕ МОДЕЛИ 8
1.3 ОГРАНИЧЕНИЕ КОМПАРТМЕНТАЛЬНЫХ МОДЕЛЕЙ 10
1.4 КОМПАРТМЕНТАЛЬНЫЕ МОДЕЛИ ДЛЯ ВЗАИМОДЕЙСТВУЮЩИХ ЗОН 12
1.5 ТРЕБОВАНИЯ К РАЗРАБАТЫВАЕМОМУ ПРИЛОЖЕНИЮ 13
ГЛАВА 2. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ПРИЛОЖЕНИЯ 14
2.1 ИСПОЛЬЗУЕМЫЕ ТЕХНОЛОГИИ 14
2.2 СУЩЕСТВУЮЩИЕ АНАЛОГИ ПРИЛОЖЕНИЙ ДЛЯ МОДЕЛИРОВАНИЯ ЭПИДЕМИЙ 16
2.3 РАЗРАБОТАННОЕ ПРИЛОЖЕНИЕ 18
2.4 АРХИТЕКТУРА ПРИЛОЖЕНИЯ 20
2.5 КЛАССЫ НЕОБХОДИМЫЕ ДЛЯ МОДЕЛИРОВАНИЯ 23
2.6 АЛГОРИТМ МОДЕЛИРОВАНИЯ РАСПРОСТРАНЕНИЯ ЭПИДЕМИЙ 25
2.7 АЛГОРИТМ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ПАТОГЕНА 26
2.8 АЛГОРИТМ ИЗВЛЕЧЕНИЯ ДАННЫХ О ЗОНАХ 29
ГЛАВА 3. ИНТЕРФЕЙС ПОЛЬЗОВАТЕЛЯ 31
3.1 ОСНОВНЫЕ ЭЛЕМЕНТЫ ИНТЕРФЕЙСА 31
3.2 АНИМИРОВАНИЕ РЕЗУЛЬТАТОВ 36
3.3 ВЫЧИСЛЕНИЕ СВЯЗЕЙ ЗОН 38
3.4 ВЫЧИСЛЕНИЕ ПАРАМЕТРОВ ПАТОГЕНА 40
3.5 РАЗДЕЛЕНИЕ ЗАДАЧ В КОМАНДЕ 41
ЗАКЛЮЧЕНИЕ 43
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 44
ПРИЛОЖЕНИЯ 1–6 45

ВВЕДЕНИЕ
Неожиданное появление COVID-19 в конце 2019 года стало одним из самых значимых моментов в современной истории, поскольку вирус за короткое время распространился по всему миру, вызвав массовые заболевания, смерти, а также общественные и экономические потрясения. У него наблюдалась значительная вариабельность в способах передачи, симптомах и тяжести заболевания. Заболевание некоторых людей могло протекать бессимптомно или в легкой форме, в то время как у других были серьезные осложнения, доходящие вплоть до необходимости госпитализации и интенсивной терапии без которых или даже несмотря на которые человек мог умереть.
Одним из наиболее эффективных способов профилактики инфекционных заболеваний и борьбы с ними является эпидемиологическое моделирование предполагающее использование математических моделей для понимания того, как распространяется заболевание и для прогнозирования будущих вспышек. Основоположником этого способа считается доктор Уильям Фарро, применивший в 19 веке нормальное распределение к анализу смертности от оспы в результате чего появился Закон Фарро. Спустя время опираясь на работы предшественников, британские ученые Андерсон Кермак и Уильям Маккендрик в 20 веке разработали широко применяемую модель SIR которая впоследствии приобрела множество различных модификаций, лучше учитывающих специфические ситуации и факторы поведения человека или окружающей среды.
Модель SIR относится к компартментальным моделям, которые предполагают разделение популяции людей на восприимчивых, инфицированных, выздоровевших и прочие группы, и позволяют получить динамику численного изменения каждой группы людей в течение определенного промежутка времени. Модели описываются набором дифференциальных уравнений, которые содержат параметры, влияющие на динамику численности людей в каждой группе [Tolles, Luong, с. 2515–2516].
Компартментальные модели предполагают разделение одной популяции людей на группы, однако, могут быть ситуации, когда сама популяция является неоднородной, то есть явно может быть разделена на несколько частей или зон. В этой ситуации можно было бы применить описанный метод к каждой отдельной зоне, однако если имеет место взаимодействие индивидов одной зоны с индивидами другой зоны, то такой способ получения необходимой динамики будет иметь погрешность [Разумов, с. 2-4].
Для решения этой проблемы предлагается внести изменения в уравнения компартментальной модели чтобы она позволяла учитывать это “взаимодействие” между зонами и реализовать приложение позволяющее создавать эпидемиологическую компартментальную модель и набор зон, представляющих некоторые географические взаимодействующие территории со своими численными параметрами, в рамках которых будет проходить моделирование распространения эпидемии. Использование нескольких зон также понижает эффект экспоненциального роста числа заболевших, который более ограничен в реальных условиях, чем в традиционной модели [Junling Ma]. Целью выпускной квалификационной работы является разработка приложения позволяющего моделировать распространение эпидемий на нескольких географически взаимодействующих зонах с возможностью представления и сохранения результатов этого моделирования в различном виде.
Поставленные задачи:
1. Изучить различные модификации компартментальных моделей и определить их особенности и различия.
2. Разработать модуль создания эпидемиологической модели и модуль создания и управления зон.
3. Реализовать алгоритм моделирования распространения эпидемии с использованием созданной эпидемиологической моделью на заданном наборе взаимодействующих зон.
4. Реализовать возможность визуализации результатов моделирования в виде графика, диаграммы и тепловой карты с выбором необходимых для визуализации данных.
5. Реализовать возможность установки данных о зонах или эпидемиологической модели из внешних файлов.
Разработанное приложение должно позволять эпидемиологу- исследователю или другим заинтересованным лицам производить моделирование распространения эпидемий на нескольких взаимодействующих зонах с возможностью установки различных параметров и представлять результаты моделирования в различном виде для оценивая потенциальных масштабов и воздействий эпидемии в исследовательских или иных целях.
Для успешной подготовки и защиты выпускной квалификационной работы использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающие высокую умственную и физическую работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Bichara D., Iggidr A., Sallet G. Global analysis of multi-strains SIS, SIR and MSIR epidemic models // Journal of Applied Mathematics and Computing. 2014. V. 44.
№ 1. 273–292 с.
2. Bohner M., Streipert S.H. The SIS-model on time scales // Pliska Studia Mathematica Bulgarica. 2016. V. 26. 11–28 с.
3. Junling Ma, Estimating epidemic exponential growth rate and basic reproduction number. // Infectious Disease Modelling, Volume 5, 2020
4. Rothman K.J., Greenland S., Lash T.L. Modern epidemiology. 3rd edition. Lippincott Williams & Wilkins, 2008. 758 с.
5. Rodrigues H.S. Application of SIR epidemiological model: new trends // International journal of applied mathematics and informatics. 2016. V. 10. P. 92–
97. с
6. Shaji A., Belfin R.V., Kanaga E.G.M. An innovated SIRS model for information spreading // Advances in Big Data and Cloud Computing / eds. E. Rajsingh, J. Veerasamy, A. Alavi, J. Peter. Singapore: Springer, 2018. 405–413 с.
7. Tolles J., Luong T.B. Modeling epidemics with compartmental models // Jama. 2020. V. 323. № 24. 2515–2516 с.
8. Гаврилина А.В., Соколов С.В. Анализ SIR-модели распространения заболеваний // Процессы управления и устойчивость. 2018. Т. 5 (21). № 1. 229– 232 с.
9. Еремеева Н.И. Построение модификации SEIRD-модели распространения эпидемии, учитывающей особенности COVID-19 // Вестник Тверского государственного университета. Серия: Прикладная математика. 2020. № 4. 14–27 с.
10. Леоненко В.Н. Математическая эпидемиология: учебно–методическое пособие по выполнению лабораторных работ. Санкт-Петербург: Университет ИТМО, 2018. 38 с.
11. Разумов Т.Е. Модель эпидемии SIR с учетом пространственной неоднородности расположения индивидов // Политехнический молодежный журнал. 2019.
12. Улыбин А.В. Математическая модель распространения инфекции // Вестник ТГУ. 2011. Т. 16. № 1. 184–187 с.
13. Шилова О.Ю., Мельников А.В. Применение стандартной SIR-модели эпидемии и ее модификаций для имитационного моделирования поведения потенциальных абитуриентов с целью оптимизации плана рекламы и прогнозирования результатов рекламной кампании // Информационные технологии и системы. 2017. 331–336 с.