مدلسازی موارد تجمعی کووید-19 شهرستان یزد با استفاده از انواع تکنیک‌های سری زمانی و یادگیری ماشین و مقایسه کارایی آن‌ها

نویسندگان

1 کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه یزد

2 دانشیار،دانشکده مهندسی صنایع، دانشگاه یزد

doi
10.22075/jme.2023.29849.2404
چکیده

بیماری کووید-19، یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-2 ایجاد می‌شود. پیش‌بینی تعداد موارد جدید و مرگ‌و‌میر می‌تواند گام مفیدی در پیش‌بینی هزینه‌ها و امکانات مورد نیاز در آینده باشد. هدف از مطالعه حاضر، مدلسازی و پیش‌بینی موارد جدید و مرگ‌ومیر در آینده است. 9 تکنیک پیش‌بینی بر روی داده‌های کووید-19 استان یزد به عنوان یک مطالعه موردی تحت آزمایش قرار گرفت و با استفاده از معیارهای ارزیابی میانگین مربعات خطا (MSE)، جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و میانگین درصد قدرمطلق خطا (MAPE) مدل‌ها باهم مقایسه شدند نتایج تحلیل نشان داد، بهترین مدل با توجه به معیارهای ارزیابی مذکور برای پیش‌بینی موارد تجمعی بستری کووید-19 مدل رگرسیون KNN و برای موارد تجمعی فوت مدل BATS می‌باشد. همچنین از نظر معیارهای ارزیابی، بدترین عملکرد در پیش‌ بینی تجمعی موارد بستری و فوت، مدل شبکه‌های عصبی اتورگرسیو دارد. این مطالعه می‌تواند درک مناسبی از روند شیوع بیماری کووید-19 در این منطقه ارائه کند تا با اتخاذ اقدامات احتیاطی و تدوین سیاست‌های مناسب بتوان به نحو احسن از این همه‌گیری عبور کرد. همچنین برخلاف مطالعات دیگر، در مطالعه حاضر، از 9 تکنیک متفاوت و مقایسه آن‌ها، استفاده می‌شود که به نوبه خود، جامعیت بررسی و اطمینان از کارائی رویکرد به کار گرفته شده در تصمیم‌گیری را بالا می‌برد.