پديد آورندگان :
درويشي سلوكلايي، داود دانشگاه پيام نور - گروه رياضي، تهران، ايران , نوري جويباري، مصطفي دانشگاه پيام نور - گروه رياضي، تهران، ايران , بابايي، پروين دانشگاه پيام نور - گروه رياضي، تهران، ايران
كليدواژه :
تحليل داده , كروناويروس , پيش‌بيني خاكستري , سيستم خاكستري , سري زماني
چكيده فارسي :
ويروس كوويد-19 تهديد بزرگي براي سلامتي و ايمني مردم در سراسر جهان است. يكي از مؤلفه‌هاي اساسي در مقابله با اين تهديد جهاني، تصميم‌گيري سريع و بجا براي كنترل همه‌گيري اين بيماري است؛ بنابراين پيش‌بيني روند آينده اين بيماري در جهان ازجمله پيش‌بيني افراد فوت‌شده مي‌تواند براي سياست‌گذاري، مديريت و كنترل شيوع آن مفيد باشد. ازاين‌رو به پيش‌بيني ميزان مرگومير ناشي از اين ويروس با مدل‌هاي خاكستري در جهان پرداخته‌شده است.
روش‌شناسي پژوهش: اين پژوهش به بررسي روند پيش‌بيني ميزان مرگومير در جهان با استفاده از مدل‌هاي نظريه سيستم‌هاي خاكستري مي‌پردازد. داده‌هاي پژوهش از سايت سازمان بهداشت جهاني جمع‌آوري‌شده و پيش‌بيني ميزان افراد فوت‌شده در جهان به‌صورت ماهانه با پنج روش سيستم خاكستري GM(1,1)،GreyVerhulst،DGM(1,1)،NGBM(1,1) و F-NGBM(1,1) مدل‌سازي و پيش‌بيني‌شده است. به‌منظور ارزيابي خطاي مدل‌ها، از معيارهاي متداول ارزيابي خطا MAE، RMSE و MAPE استفاده شد.
يافته ها: با ارزيابي خطاي مدل‌ها، پيش‌بيني مدل F-NGBM(1,1) در دسته مدل‌هاي عالي، مقادير پيش‌بيني مدل GreyVerhulst جزو دسته پيش‌بيني‌هاي قابل‌قبول و بقيه مدل‌ها در دسته پيش‌بيني خوب قرار مي‌گيرند. همچنين مدل (F-NGBM(1,1 با مقادير خطايMAE, RMSE و MAPE به ترتيب 26989.54، 21533.94 و 7.21 مناسب‌ترين مدل نسبت به ساير روش‌هاي ديگر است. 250958 فوتي با پيش‌بيني مدل (F-NGBM(1,1 براي انتهاي سال 2021 برآورد شده است كه ممكن است مناسب‌ترين مقدار در بين روش‌هاي پيش‌بيني‌ها باشد.
اصالت/ارزش افزوده علمي: با توجه به عدم وجود داده‌هاي تاريخي و همچنين عدم قطعيت فراوان در داده‌هاي دسترس، نياز است از رويكردهاي مواجهه با عدم قطعيت همچون نظريه سيستم خاكستري در پيش‌بيني ميزان مرگومير اين بيماري استفاده شود. ازاين‌رو در اين پژوهش برخلاف پژوهش‌هاي انجام‌شده با مدل‌هاي مختلف پيش‌بيني خاكستري به برآورد ميزان مرگومير پرداخته كه به نسبت روش‌هاي موجود، داده‌هاي نسبتاً كمتري نياز داشته و خطاي مدل هم بسيار پايين‌تر است. همچنين اين پژوهش براي ميزان مرگومير در كل دنيا انجام‌شده است و جامعيت بيشتري براي اقدامات يكپارچه جهاني خواهد داشت.
چكيده لاتين :
Covid-19 virus is a major threat to the health and safety of people around the world. One of the key components in dealing with this global threat is rapid and timely decision-making to control the epidemic of the disease, so predicting the future trend of this disease in the world, including predicting deaths, can be useful for policy-making, management and control of its prevalence. Therefore, the mortality rate caused by this virus has been predicted with grey models in the world.
Methodology: This study examines the process of predicting mortality rates in the world using the theory of grey systems models. Research data were collected from the World Health Organization website and predicted the number of deaths in the world on a monthly basis by five methods: GM (1, 1), Verhulst Grey, DGM (1, 1), NGBM (1, 1) and FNGBM(1, 1). In order to evaluate the error of the models, the common error evaluation criteria MAE, RMSE and MAPE were used.
Findings: By evaluating the model error, the prediction of the F-NGBM model (1, 1) in the category of excellent models, the prediction values of the GreyVerhulst model are in the category of acceptable predictions and the rest of the models are in the category of good predictions. Also, the F-NGBM (1, 1) model with MAE, RMSE and MAPE error values of 26989.54, 21533.94 and 7.21, respectively, is the most suitable model compared to the other methods. An estimated 250,958 deaths are estimated by the F-NGBM (1.1) model by the end of 2021, which may be the most appropriate value among forecasting methods.
Originality/Value: Due to the lack of historical data and also a lot of uncertainty in the available data, it is necessary to use approaches to dealing with uncertainty such as the grey system theory in predicting the mortality rate of this disease. Various grey predictions estimate the mortality rate, which requires relatively less data than existing methods, and the model error is much lower. The study also looked at the worldwide mortality rate and will be more comprehensive on integrated global action.
