Пандемия COVID-19 привела к глобальным последствиям и стала причиной серьезных ограничительных мер во всех сферах деятельности, изменивших условия работы и жизни населения мира. Даже после окончания пандемии прогнозирование заболеваемости COVID-19 остается важной задачей, так как необходимо следить за развитием ситуации, а результаты исследований по этой теме могут быть перенесены на другие эпидемии. Особое значение имеют научные исследования по анализу факторов, оказывающих существенное влияние на протекание эпидемии. В данном исследовании предлагается комплекс моделей и алгоритмов машинного обучения, базирующихся на обработке больших данных, для прогнозирования динамики распространения вируса COVID-19 на мезоуровне, с помощью которого анализируется влияние различных экзогенных факторов на заболеваемость. В качестве исходных данных для построения моделей машинного обучения используется деперсонифицированный набор данных, предоставленный Воронежским областным клиническим консультативно-диагностическим центром и содержащий информацию по всем проведенным в Воронежской области тестам на COVID-19. Для эффективной борьбы с эпидемиями необходимы прогнозы развития динамики заболеваемости на достаточно длительный период времени (например, от двух недель и более), тогда как в литературе, как правило, предлагаются краткосрочные методы, позволяющие делать достаточно точный прогноз только на 1–5 дней. Поэтому задача данного исследования заключается в поиске оптимального метода прогнозирования заболеваемости на средний период времени с использованием экзогенных факторов. В качестве экзогенных переменных для улучшения качества прогнозирования были выбраны сведения о погоде, дне недели и месяце и популярность поисковых запросов, связанных с COVID-19.