МОДЕЛИРОВАНИЕ УПРАВЛЕНИЯ ЭКОНОМИКОЙ РЕГИОНА В УСЛОВИЯХ МАССОВЫХ ЗАБОЛЕВАНИЙ
DOI:
https://doi.org/10.17059/ekon.reg.2023-2-1Ключевые слова:
экономика региона, математическая модель, экономическая модель динамики, пандемия, массовое заболевание, COVID-19, стратегия управления регионом, имитационное моделирование, численный анализ, оценивание управленческих решенийАннотация
Глобализация экономических процессов, интенсификация логистических взаимодействий, рост численности мирового населения и повышение его мобильности существенно способствуют возникновению массовых заболеваний, которые становятся фактором, определяющим поведение многих экономических субъектов в мировом пространстве. В статье разрабатывается инструмент анализа управления экономикой региона в условиях массовых заболеваний. Особенностью инструмента явилась интеграция как социально-биологических, так и экономических факторов в рамках единого подхода и соответствующей экономико-математической модели. Предлагаемая экономико-математическая модель основана на описании динамики развития заболеваемости по группам населения (модели компартментализации типа SIR или SEIR) с учетом соответствующего изменения в ряде социально-экономических показателей. В качестве управляющих воздействий на экономическую систему в модели рассматриваются вложения в переоборудование существующих койко-мест, вложения в строительство новых больниц, вложения в информационную кампанию по борьбе с заболеванием. Таким образом, предлагаемый инструмент позволяет управляющей системе региона количественно оценить и, соответственно, сравнить возможные управленческие решения на фиксированном горизонте планирования, учитывая взаимное влияние биологических и социально-экономических факторов. В качестве информационной базы выступили существующие математические модели популяционной биологии и эпидемиологии. Для построения инструмента и оценки его параметров использовались методы регрессионно-корреляционного анализа, имитационного моделирования, численного анализа системы дифференциальных уравнений. На основе статистической информации о пандемии COVID-19 в Российской Федерации и Ульяновской области в 2020 г. в работе были произведены оценки параметров предлагаемой математической модели. С помощью разработанного авторского программного комплекса проведено моделирование стратегий поддержания регионом ограничительных мер или отсутствия таких мер в течение рассматриваемого периода, дан сравнительный анализ. Данный инструмент может быть адаптирован для оценивания стратегий управления экономическими субъектами различных масштабов. Перспектива развития инструмента состоит в дополнении его критериями качества и соответствующими алгоритмами поиска оптимальных стратегий управления экономикой региона в условиях массовых заболеваний.
Библиографические ссылки
Ali, U., Bakshi, A. & Wani, M. (2020). Dynamics of COVID-19: Modelling and Analysis. Journal of Infectious Diseases and Epidemiology, 6, 1-11. DOI: 10.23937/2474-3658/1510128.
Andreeva, E. A. & Semykina, N. A. (2005). Optimal control of the spread of an infectious disease with allowance for an incubation period. Zhurnal vychislitelnoy matematiki i matematicheskoy fiziki [Computational Mathematics and Mathematical Physics], 45(7), 1174–1180. (In Russ.)
Arino, J., Brauer, F., van den Driessche, P., Watmough, J. & Wu, J. (2006). Simple models for containment of a pandemic. Journal of the Royal Society Interface, 3(8), 453–457. DOI: 10.1098/rsif.2006.0112.
Arsekar, R., Mandarapu, D. K. & Rao, M. V. P. (2017). EpiStrat: A Tool for Comparing Strategies for Tackling Urban Epidemic Outbreaks. In: H. Chen, D. Zen, E. Karahanna, I. Bardhan (Eds.), Smart Health. ICSH 2017. Lecture Notes in Computer Science, 10347 (pp. 256-267). Cham: Springer. DOI: 10.1007/978-3-319-67964-8_25.
Atkeson, A. (2020). What will be the economic impact of Covid-19 in the US? Rough estimates of disease scenarios. NBER Working Papers. Retrieved from: https://www.nber.org/system/files/working_papers/w26867/ w26867.pdf (date of access: 29.05.2021).
Bobkov, A. V. & Vereshchagina, V. K. (2020). Correctional dynamics of economic activity under the influence of measures to control the pandemic. Innovatsii i investitsii [Innovation and Investment], 8, 94-98. (In Russ.)
Brauer, F. & Castillo–Chavez, C. (2012). Mathematical models in population biology and epidemiology. Vol. 40. New York: Springer, 508.
Britton, N. F. (2003). Essential Mathematical Biology. London: Springer, 335. DOI: 10.1007/978-1-4471-0049-2.
Castillo-Chavez, C., Blower S., van den Driessche, P., Kirschner, D. & Yakubu, A.-A. (Eds.) (2002). Mathematical Approaches for Emerging and Reemerging Infectious Diseases: Models, Methods and Theory. New York: Springer, 377. DOI: 10.1007/978-1-4613-0065-6.
Edridge, A. W. D., Kaczorowska, J., Hoste, A. C. R., Bakker, M., Klein, M., Loens, K., … van der Hoek, L. (2020). Seasonal coronavirus protective immunity is short-lasting. Nature Medicine, 26, 1691–1693. DOI: 10.1038/s41591-020-1083-1.
Funk, S., Gilad, E., Watkins, C. & Jansen, V. A. A. (2009). The spread of awareness and its impact on epidemic outbreaks. Proceedings of the National Academy of Sciences, 106(16), 6872-6877. DOI: 10.1073/pnas.0810762106.
İğret Araz, S. (2020). Analysis of a Covid-19 model: Optimal control, stability and simulations. Alexandria Engineering Journal, 60(1), 1-12. DOI: 10.1016/j.aej.2020.09.058.
Kulkova, I. A. (2020). Impact of the coronavirus pandemic on demographic processes in Russia. Human Рrogress, 6(1), 2-11. DOI: 10.34709/IM.161.5. (In Russ.)
Lutoshkin, I. V. & Rybina, M. S. (2021a). Mathematical model of optimal resource management in conditions of a pandemic. In: Mat-ly mezhdunar. molodezhnogo nauch. foruma «Lomonosov-2021» [Proceedings of the International Youth Scientific Forum “LOMONOSOV-2021”] (pp. 103-108). Nizhny Novgorod. Retrieved from: https://lomonosov-msu.ru/archive/Lomonosov_2021/data/22519/ 127569_uid543558_report.pdf (Date of access: 29.05.2021). (In Russ.)
Lutoshkin, I. V. & Rybina, M. S. (2021b). The problem of estimating the parameters of the mathematical model of the impact of a pandemic on an economy. In: Sb. tezisov dokladov kongressa molodykh uchenykh [Collection of abstracts of the Congress of Young Scientists]. ITMO University. Retrieved from: https://kmu.itmo.ru/digests/article/7045 (Date of access: 29.05.2021). (In Russ.)
Lutoshkin, I. V. (2011). The parameterization method for optimizing the systems which have integro-differential equations. Izvestiya IGU. Ser. Matematika [The Bulletin of Irkutsk State University. Series Mathematics], 4(1), 44-56. (In Russ.)
Macalisang, J., Caay, M., Arcede, J. & Caga-anan, R. (2020). Optimal Control for a COVID-19 Model Accounting for Symptomatic and Asymptomatic. Computational and Mathematical Biophysics, 8, 168-179. DOI: 10.1515/cmb-2020-0109.
Matveev, A. V. (2020). The mathematical modeling of the effective measures against the Covid-19 spread. Natsionalnaya bezopasnost i strategicheskoe planirovanie [National Security and Strategic Planning], 1(29), 23-39. DOI:10.37468/2307-1400-2020-1-23-39 (In Russ.)
Miao, H., Gao, Q., Feng, H., Zhong, C., Zhu, P., Wu, L., … Lairson, D. (2020). Mathematical Modeling of Business Reopening When Facing SARS-CoV-2 Pandemic: Protection, Cost, and Risk. Frontiers in Applied Mathematics and Statistics, 6(35), 1-16. DOI: 10.3389/fams.2020.00035.
Miller, J. C. (2014). Epidemics on Networks with Large Initial Conditions or Changing Structure. PLoS ONE, 9(7), 1-9. DOI: 10.1371/journal.pone.0101421.
Ovsyannikova, N. I. (2017). Problem of optimal control of epidemic in view of latent period. Civil Aviation High Technologies, 20(2), 144-152.
Samarskiy, A. A. (2005). Vvedenie v chislennye metody. Uchebnoe posobie dlya vuzov. 3-e izd., ster. [Introduction to numerical methods. Textbook for universities. 3rd ed.]. Saint Petersburg: Lan’, 288. (In Russ.)
Sha, H., Sanyi, T. & Libin, R. (2020). A discrete stochastic model of COVID-19 outbreak: forecast and control. Mathematical Biosciences and Engineering, 17(4), 2792-2804. DOI: 10.3934/mbe.2020153.
Volz, E. & Meyers, L. A. (2007). Susceptible–infected–recovered epidemics in dynamic contact networks. Proceedings of the Royal Society B: Biological Sciences, 274(1628), 2925–2934. DOI: 10.1098/rspb.2007.1159.
Zamir, M., Abdeljawad, T., Nadeem, F., Khan, A. & Yousef, A. (2021). An optimal control analysis of a COVID-19 model. Alexandria Engineering Journal, 60(2), 2875-2884. DOI: 10.1016/j.aej.2021.01.022.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Матушкина Наталья
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
