مطالعه ای داده محور و مبتنی بر یادگیری ماشین بر رشد نمایی و پیش بینی کوتاه مدت شیوع کووید-۱۹ در ایران

چکیده مقاله

گسترش سریع کووید ۱۹ اهمیت روش های داده محور و پیش بینی کوتاه مدت برای درک پویایی اپیدمی و حمایت از تصمیم گیری به موقع را نشان داده است در این پژوهش چارچوبی چندمرحله ای بر پایه مدل های آماری کلاسیک و هوش مصنوعی برای تحلیل رشد اولیه و پیش بینی کوتاه مدت شیوع کووید ۱۹ در ایران ارائه شد داده های روزانه تجمعی پس از پاکسازی و مرتب سازی 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 پیش بینی کوتاه مدت مدل سری زمانی ARIMA و الگوریتم رگرسیون جنگل تصادفی با ویژگی هایی نظیر مقادیر وقفه دار میانگین های متحرک و نرخ رشد روزانه به کار گرفته شد و یک مدل مرجع ساده به عنوان معیار مقایسه در نظر گرفته شد عملکرد مدل ها با شاخص های خطای RMSE، MAE و MAPE و مقایسه بصری پیش بینی ها ارزیابی شد نتایج نشان می دهد که مدل رشد نمایی رفتار اولیه اپیدمی را توضیح می دهد اما روش های داده محور و یادگیری ماشین دقت بالاتری در پیش بینی کوتاه مدت دارند این مطالعه بر نقش مکمل هوش مصنوعی و مدل های آماری در تحلیل اپیدمی ها و کاربرد عملی روش های داده محور در سلامت عمومی تاکید می کند

کلیدواژه‌ها

نویسندگان

یاسمن زارعی

دانشجوی کارشناسی گروه فیزیک دانشکده نانو و بایو و زیستی دانشگاه خلیج فارس بوشهر

الهه بحر کانی

دانشجوی کارشناسی گروه فیزیک دانشکده نانو و بایو و زیستی دانشگاه خلیج فارس بوشهر

تهمینه جلالی

دانشیار گروه فیزیک دانشکده نانو و بایو و زیستی دانشگاه خلیج فارس بوشهر

�ارعی، یاسمن و بحر کانی، الهه و جلالی، تهمینه،1404،مطالعه ای داده محور و مبتنی بر یادگیری ماشین بر رشد نمایی و پیش بینی کوتاه مدت شیوع کووید-۱۹ در ایران،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران