مدلسازي موارد تجمعي كوويد-19 شهرستان يزد با استفاده از انواع تكنيك‌هاي سري زماني و يادگيري ماشين و مقايسه كارايي آن‌ها

بيماري كوويد-19، يك بيماري تنفسي است كه در اثر سندرم تنفسي حاد كرونا ويروس-2 ايجاد مي‌شود. پيش‌بيني تعداد موارد جديد و مرگ‌و‌مير مي‌تواند گام مفيدي در پيش‌بيني هزينه‌ها و امكانات مورد نياز در آينده باشد. هدف از مطالعه حاضر، مدلسازي و پيش‌بيني موارد جديد و مرگ‌ومير در آينده است. 9 تكنيك پيش‌بيني بر روي داده‌هاي كوويد-19 استان يزد به عنوان يك مطالعه موردي تحت آزمايش قرار گرفت و با استفاده از معيارهاي ارزيابي ميانگين مربعات خطا (MSE)، جذر ميانگين مربعات خطا (RMSE)، ميانگين قدر مطلق خطا (MAE) و ميانگين درصد قدرمطلق خطا (MAPE) مدل‌ها باهم مقايسه شدند نتايج تحليل نشان داد، بهترين مدل با توجه به معيارهاي ارزيابي مذكور براي پيش‌بيني موارد تجمعي بستري كوويد-19 مدل رگرسيون KNN و براي موارد تجمعي فوت مدل BATS مي‌باشد. همچنين از نظر معيارهاي ارزيابي، بدترين عملكرد در پيش‌ بيني تجمعي موارد بستري و فوت، مدل شبكه‌هاي عصبي اتورگرسيو دارد. اين مطالعه مي‌تواند درك مناسبي از روند شيوع بيماري كوويد-19 در اين منطقه ارائه كند تا با اتخاذ اقدامات احتياطي و تدوين سياست‌هاي مناسب بتوان به نحو احسن از اين همه‌گيري عبور كرد. همچنين برخلاف مطالعات ديگر، در مطالعه حاضر، از 9 تكنيك متفاوت و مقايسه آن‌ها، استفاده مي‌شود كه به نوبه خود، جامعيت بررسي و اطمينان از كارائي رويكرد به كار گرفته شده در تصميم‌گيري را بالا مي‌برد.