Прогнозирование численности популяции комаров в Калужской области с использованием методов анализа временных рядов

Цель исследований – разработать сезонную прогностическую модель численности комаров (сем. Culicidae) на территории Калужской области на основе методов анализа временных рядов с учетом климатических факторов, обеспечивающую точность прогноза не менее 85% для оперативного планирования противоэпидемических мероприятий.

Материалы и методы. В ходе исследования динамики численности комаров на территории Калужской области за 2014–2024 гг. применен комплексный подход, сочетающий полевые наблюдения, статистический анализ и математическое моделирование. Параллельно анализировали климатические параметры (среднемесячные температуры, количество осадков, влажность воздуха). Использован метод моделирования с применением временных рядов.

Результаты и обсуждение. Построена прогностическая модель численности комаров в Калужской области на 2024 г. с использованием сезонной модели SARIMA. Полученные результаты демонстрируют надежность прогноза: средняя абсолютная процентная ошибка составляет 7,9%, что означает отклонение прогноза от фактических значений менее чем на 8%, в среднем. Среднеквадратическая ошибка в 147,2 особи показывает, что в абсолютных значениях прогнозные данные могут отличаться от реальных примерно на 150 особей при средней численности популяции около 1800–2500 экз. Эти показатели свидетельствуют о высокой достоверности модели и ее применимости для практического использования. Полученные результаты имеют важное практическое значение для планирования своевременных обработок территорий, оптимизации работы эпидемиологического надзора, распределения ресурсов для борьбы с переносчиками заболеваний и информирования населения о периодах повышенной активности комаров.

1. Василевич Ф. И., Никанорова А. М. Научные основы профилактики зооантропонозных трансмиссивных болезней, распространяемых паразитическими членистоногими центра Восточно-Европейской равнины // Российский паразитологический журнал. 2020. Т. 14. №. 1. С. 81-88. https://doi.org/10.31016/1998-8435-2020-14-3-11-17

2. Колесова Г. Г., Решетников А. Д., Слепцов Е. С., Барашкова А. И. Дирофиляриоз плотоядных животных в Якутии, способ выделения из крови микрофилярий // Российский паразитологический журнал. 2013. №. 3. С. 87-91.

3. Молчанова Е. В., Лучинин Д. Н., Негоденко А. О., Прилепская Д. Н., Бородай Н. В., Коновалов П. Ш., Карунина И. В., Колякина Н. Н., Викторов Д. В. Мониторинговые исследования арбовирусных инфекций, передающихся комарами, на территории Волгоградской области // Здоровье населения и среда обитания. 2019. №. 6 (315). С. 60-66.

4. Никанорова А. М. Аналитическое математическое моделирование численности популяции комаров Калужской области // Ветеринарная патология. 2020. №. 4 (74). С. 12-16. https://doi. org/10.25690/VETPAT.2020.34.74.004

5. Халин А. В., Горностаева Р. М. К таксономическому составу кровососущих комаров (Diptera: Culicidae) мировой фауны и фауны России (критический обзор) // Паразитология. 2008. Т. 42. №. 5. С. 360-381.

6. Шайкевич Е. В., Ганушкина Л. А. Бактерия Wolbachia и нематоды-филярии: взаимная выгода и ахиллесова пята паразита // Успехи современной биологии. 2018. Т. 138, №. 2. С. 161-171.

7. Alam K. E., Rahman M.S., Hasan M.M., Huq M.R., Islam M.T. Temporal trends, SARIMA forecasting of Dengue, and the influence of Dengue-related meteorological factors in Bangladesh: a time series analysis. medRxiv. 2025; С. 2025.04. 09.25325511. https://doi.org/10.1101/2025.04.09.25325511

8. Box G. E. P., Jenkins G. M., Reinsel G. C. Time Series Analysis: Forecasting and Control (4th ed.). Wiley. 2008.

9. Chitnis N., Smith T., Steketee R. A mathematical model for the dynamics of malaria in mosquitoes feeding on a heterogeneous host population. Journal of biological dynamics. 2008; 2 (3): 259-285. https://doi.org/10.1080/17513750701769857

10. Covelo G. Analisi di metodi e modelli di apprendimento per l'identificazione della malaria. 2019; 23-45.

11. Hernandez-Valencia J. C., Martinez-Vega R. A., Carrillo-Hernandez D., Ruiz-Gomez F., TiqueAcuna V., Navarro-Lechuga E. A systematic review on the viruses of Anopheles mosquitoes: the potential importance for public health. Tropical Medicine and Infectious Disease. 2023; 8 (10): 459. https://doi.org/10.3390/tropicalmed8100459

12. Hyndman R. J., Athanasopoulos G. Forecasting: principles and practice. OTexts, 2018.

13. Kweyamba P. A., Mpelepele G., Kavishe R. A., Mandara C. I., Kweka E. J. Contrasting vector competence of three main East African Anopheles malaria vector mosquitoes for Plasmodium falciparum. Scientific Reports. 2025; 15 (1): 2286. https://doi.org/10.1038/s41598-024-56789-6

14. Reiner Jr R. C., Perkins T. A., Barker C. M., Niu T., Chaves L. F., Ellis A. M., George D. B., Le Menach A., Pulliam J. R. C., Bisanzio D., Buckee C., Chiyaka C., Cummings D. A. T., Garcia A. J., Gatton M. L., Gething P. W., Hartemink N. A., Johnston G., Klein E. Y., Michael E., Lloyd A. L., Pigott D. M., Reisen W. K., Ruktanonchai N., Singh B. K., Stoller J., Tatem A. J., Kitron U., Hay S. I., Scott T. W., Smith D. L. A systematic review of mathematical models of mosquito-borne pathogen transmission: 1970–2010. Journal of The Royal Society Interface. 2013; 10 (81): 20120921. https://doi.org/10.1098/rsif.2012.0921