مدلسازی، مقایسه مدل ها و پیش بینی کووید-۱۹ با استفاده از انواع تکنیک های سری های زمانی و یادگیری ماشین در شهرستان میبد

بیماری کووید-۱۹، یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-۲ ایجاد شده است. 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 این مطالعه مدلسازی، مقایسه عملکرد مدل ها و پیش بینی موارد جدید بستری و مرگ ومیر در آینده نزدیک است. در این مقاله ۹ تکنیک پیش بینی بر روی داده های کووید-۱۹ شهرستان میبد استان یزد 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 و فوت کووید-۱۹ مدل هولت-وینترز می باشد. همچنین مدل شبکه های عصبی اتورگرسیو برای موارد بستری و برای موارد فوت مدل رگرسیون KNN دارای بدترین عملکرد را در میان دیگر مدل ها دارا می باشد. 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 بیماری عبور کرد. همچنین برخلاف مطالعات دیگر این مطالعه، از ۹ تکنیک متفاوت و مقایسه آن ها، استفاده کرده است که به نوبه خود ضریب اطمینان را در تصمیم گیری بالا برده است. همچنین نکته ای که حائز اهمیت می باشد این است که باید داده ها در زمان واقعی بروز شوند.

Keywords:

مدلسازی آماری , سری زمانی , کووید-۱۹ , پیش بینی , پاندمیک