|
Title
|
مطالعهاي دادهمحور و مبتني بر يادگيري ماشين بر رشد نمايي و
پيشبيني كوتاهمدت شيوع كوويد– 19 در ايران
|
|
Type
|
Presentation
|
|
Keywords
|
مطالعهاي دادهمحور و مبتني بر يادگيري ماشين بر رشد نمايي و
پيشبيني كوتاهمدت شيوع كوويد– 19 در ايران
|
|
Abstract
|
گسترش سريع كو ويد– 19 اهميت روشهاي داد همحور و پي شبيني كوتاهمدت بر اي درك پويايي اپيدمي و حمايت از تصميمگيري بهموقع را نشان داده است. در اين
پژوهش، چارچوبي چندمرحل هاي بر پاي ه مدلهاي آماري كلاسيك و هوش مصنو عي براي تحلي ل رشد اوليه و پي شبيني كوتا همدت شيوع كو ويد– 19 در ايران ارائه
شد. داد ههاي روزانه تجمعي پس از پا كسازي و مرت بسازي زماني مورد استفاده قرار گرفتند. فاز اوليه اپيدمي با مدل رشد نمايي تحليل شد و نرخ رشد روزانه و
زمان دوبرابر شدن برآورد گرديد. براي پي شبيني كوتاهمدت، مدل سري زماني ARIMA و الگوريتم رگرسيون جنگل تصادفي با ويژگيهايي نظير مقادير وقفهدار،
ميانگي نهاي متحرك و نرخ رشد روزانه به كار گرفته شد و ي ك مدل مرجع ساده ب هعنوان معيا ر مقايس ه در نظر گرفته شد. عملكرد مد لها با شاخ صهاي خطا ي
MAE ، RMSE و MAPE و مقايسه بصري پيشبينيها ارزيابي شد. نتايج نشان ميدهد كه مدل رشد نمايي رفتار اولي ه اپيدم ي را توضيح ميدهد، اما رو شها ي
داد همحور و يادگيري ماشين دقت بالات ري در پي شبيني كوتا همدت دارند. اين مطالعه بر نقش مكمل هوش مصنوعي و مدلهاي آماري در تحليل اپيدم يها و كاربرد
عملي رو شهاي داد همحور در س لامت عمومي تأكيد م يكند.
|
|
Researchers
|
Jasmin Zarei (First researcher) , elaheh bahrakani (Second researcher) , Tahmineh Jalali (Third researcher)
|