دوره 6، شماره 2 - ( تابستان 1402 )                   جلد 6 شماره 2 صفحات 122-113 | برگشت به فهرست نسخه ها

Ethics code: IR.YAZD.REC.1401.094

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Karimizarchi M H, Shishebori D. Forecasting the Spread of COVID-19 Using Time Series in Mehriz City, Iran. Iran J Health Insur 2023; 6 (2) :113-122
URL: http://journal.ihio.gov.ir/article-1-280-fa.html
کریمی زارچی محمدحسین، شیشه‌بری داود. پیش‌بینی شیوع بیماری کووید-19 با استفاده از سری‌های زمانی در شهرستان مهریز. بیمه سلامت ایران. 1402; 6 (2) :113-122

URL: http://journal.ihio.gov.ir/article-1-280-fa.html


1- گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه یزد، یزد
2- گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه یزد، یزد ، shishebori@yazd.ac.ir
چکیده:   (640 مشاهده)
مقدمه: بیماری کووید-۱۹ یک بیماری تنفسی است که در اثر سندرم تنفسی حاد کرونا ویروس-۲ ایجاد میشود. پیشبینی تعداد موارد جدید و مرگومیر میتواند گام مفیدی در راستای پیشبینی هزینهها و امکانات مورد نیاز در آینده باشد. هدف از این مطالعه مدلسازی، مقایسه عملکرد مدلها و پیشبینی موارد جدید و مرگومیر در آینده نزدیک است.
روشبررسی: در این مقاله ۹ تکنیک پیشبینی بر روی دادههای کووید-۱۹ شهرستان مهریز بهعنوان یک مطالعه موردی از تاریخ ۰۷/۱۲/۱۳۹۸ الی ۲۸/۰۹/۱۴۰۰ 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 قدر مطلق خطا (MAPE) در مدلها با هم مقایسه شدند.
یافتهها: برای موارد تجمعی بستری مدلهای ARIMA، نمایی، هولت-وینترز و STL عملکرد بهتر و شبکههای عصبی اتورگرسیو، تتا و رگرسیون KNN عملکرد نامناسبی را از خود نشان دادند. همچنین برای موارد تجمعی مرگومیر، مدلهای رگرسیون KNN، نمایی و تتا دارای عملکرد بهتری در پیشبینی موارد تجمعی مرگومیر هستند و شبکههای عصبی اتورگرسیو، ARIMA و هموارسازی اسپلاین مکعبی عملکرد نامناسبی از خود نشان دادند.
نتیجهگیری: بهترین مدل با توجه به معیارهای ارزیابی مذکور برای پیشبینی موارد تجمعی بستری کووید-۱۹ مدل STL و برای موارد تجمعی فوت مدل رگرسیون KNN است. همچنین مدل شبکههای عصبی اتورگرسیو دارای بدترین عملکرد در میان دیگر مدلها، برای موارد بستری و هم موارد فوت است. نکته حائز اهمیت این است که باید دادهها در زمان واقعی بهروز شوند.
متن کامل [PDF 1009 kb]   (225 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: 1402/1/16 | ویرایش نهایی: 1402/8/28 | پذیرش: 1402/5/8 | انتشار الکترونیک: 1402/6/29

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه بیمه سلامت ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Iranian Journal of Health Insurance

Designed & Developed by : Yektaweb