مدل سازي الگوي پخش فضايي ويروس كوويد ١٩ در ايران با استفاده از شبكه عصبي پرسپترون چند لايه

Pattern Modeling Of Spatial Distribution Of COVID-19 Virus In Iran Using Multilayer Preseptron Neural Network

گاهي در مطالعات محيطي با مشاهداتي سرو كار داريم كه مستقل از يكديگر نيستند و نوعا وابستگي آن ها ناشي از موقعيت و مكان قرار گرفتن مشاهدات در فضاي مورد مطالعه مي باشد. اين گونه مشاهدات، دادە هاي فضايي ناميده ميشوند و به دليل وجود همبستگي فضايي بين آن ها، روش هاي معمول آمار براي تحليل چنين دادە هايي قابل استفاده نمي باشد و لازم است به نحوي ساختار همبستگي دادە ها در تحليل آن ها لحاظ گردد. در مطالعات صورت گرفته در بيماري كوويد⁃ ۱۹ مشاهده شده است كه وضعيت شيوع اين بيماري در نقاط مختلف بصورت دادە هاي مستقل از يكديگر نبوده و به مكان هاي مورد بررسي وابستگي دارد. مشاهدات بدست آمده بصورت دادە هاي فضايي با همبستگي فضايي و عدم قطعيت مي باشند كه، روش هاي معمول آمار براي تحليل چنين دادە هايي از دقت كافي برخوردار نبوده و لازم است به نحوي ساختار همبستگي دادە ها در تحليل آن ها لحاظ گردد. در اين مقاله با استفاده از شبكە هاي عصبي پرسپترون چند لايه تلاش شده تا مدل بندي دقيق از شيوع بيماري كوييد⁃ ۱۹ بدست آوريم. به اين منظور از نرم افزار متلب جهت مدلسازي و شبيە سازي نتايج پيش بيني استفاده خواهيم نمود.