|
عنوان
|
مطالعهای دادهمحور و مبتنی بر یادگیری ماشین بر رشد نمایی و
پیشبینی کوتاهمدت شیوع کووید– 19 در ایران
|
|
نوع پژوهش
|
مقالات در همایش ها
|
|
کلیدواژهها
|
مطالعهای دادهمحور و مبتنی بر یادگیری ماشین بر رشد نمایی و
پیشبینی کوتاهمدت شیوع کووید– 19 در ایران
|
|
چکیده
|
گسترش سریع کو وید– 19 اهمیت روشهای داد همحور و پی شبینی کوتاهمدت بر ای درک پویایی اپیدمی و حمایت از تصمیمگیری بهموقع را نشان داده است. در این
پژوهش، چارچوبی چندمرحل های بر پای ه مدلهای آماری کلاسیک و هوش مصنو عی برای تحلی ل رشد اولیه و پی شبینی کوتا همدت شیوع کو وید– 19 در ایران ارائه
شد. داد ههای روزانه تجمعی پس از پا کسازی و مرت بسازی زمانی مورد استفاده قرار گرفتند. فاز اولیه اپیدمی با مدل رشد نمایی تحلیل شد و نرخ رشد روزانه و
زمان دوبرابر شدن برآورد گردید. برای پی شبینی کوتاهمدت، مدل سری زمانی ARIMA و الگوریتم رگرسیون جنگل تصادفی با ویژگیهایی نظیر مقادیر وقفهدار،
میانگی نهای متحرک و نرخ رشد روزانه به کار گرفته شد و ی ک مدل مرجع ساده ب هعنوان معیا ر مقایس ه در نظر گرفته شد. عملکرد مد لها با شاخ صهای خطا ی
MAE ، RMSE و MAPE و مقایسه بصری پیشبینیها ارزیابی شد. نتایج نشان میدهد که مدل رشد نمایی رفتار اولی ه اپیدم ی را توضیح میدهد، اما رو شها ی
داد همحور و یادگیری ماشین دقت بالات ری در پی شبینی کوتا همدت دارند. این مطالعه بر نقش مکمل هوش مصنوعی و مدلهای آماری در تحلیل اپیدم یها و کاربرد
عملی رو شهای داد همحور در س لامت عمومی تأکید م یکند.
|
|
پژوهشگران
|
یاسمن زارعی (نفر اول)، الهه بحرکانی (نفر دوم)، تهمینه جلالی (نفر سوم)
|
|
تاریخ انجام
|
1404-11-08
|