مدلسازی موارد تجمعی کووید-۱۹ شهرستان یزد با استفاده از انواع تکنیک های سری زمانی و یادگیری ماشین و مقایسه کارایی آن ها

بیماری کووید-۱۹، یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-۲ ایجاد می شود. پیش بینی تعداد موارد جدید و مرگ و میر می تواند گام مفیدی در پیش بینی هزینه ها و امکانات مورد نیاز در آینده باشد. هدف از مطالعه حاضر، مدلسازی و پیش بینی موارد جدید و مرگ ومیر در آینده است. ۹ تکنیک پیش بینی بر روی داده های کووید-۱۹ 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) مدل ها باهم مقایسه شدند نتایج تحلیل نشان داد، بهترین مدل با توجه به معیارهای ارزیابی مذکور برای پیش بینی موارد تجمعی بستری کووید-۱۹ مدل رگرسیون KNN و برای موارد تجمعی فوت مدل BATS می باشد. همچنین از نظر معیارهای ارزیابی، بدترین عملکرد در پیش بینی تجمعی موارد بستری و فوت، مدل شبکه های عصبی اتورگرسیو دارد. این مطالعه می تواند درک مناسبی از روند شیوع بیماری کووید-۱۹ در این منطقه ارائه کند تا با اتخاذ اقدامات احتیاطی و تدوین سیاست های مناسب بتوان به نحو احسن از این همه گیری عبور کرد. همچنین برخلاف مطالعات دیگر، در مطالعه حاضر، از ۹ تکنیک متفاوت و مقایسه آن ها، استفاده می شود که به نوبه خود، جامعیت بررسی و اطمینان از کارائی رویکرد به کار گرفته شده در تصمیم گیری را بالا می برد.

کلیدواژه ها:

کووید-۱۹ ، سری زمانی ، پیش بینی ، مدلسازی آماری