عارف صفری؛ راحیل حسینی؛ مهدی مزینانی
چکیده
روشهای پیشبینی با قابلیت اطمینان بالا در حل مسائل دنیای واقعی، بهویژه مواردی بسیار حائز اهمیت است که بر سلامت عمومی تأثیر میگذارند. با گذشت زمان، ویژگیهای آماری مسائل پیچیده نظیر بیماری کووید-19 ...
بیشتر
روشهای پیشبینی با قابلیت اطمینان بالا در حل مسائل دنیای واقعی، بهویژه مواردی بسیار حائز اهمیت است که بر سلامت عمومی تأثیر میگذارند. با گذشت زمان، ویژگیهای آماری مسائل پیچیده نظیر بیماری کووید-19 بهطور پیوسته درحال تغییرند که به عدم قطعیت مرتبه بالا در مدلسازی منجر میشوند. روشهای هوش محاسباتی مانند منطق فازی نوع 2 روشهاییاند که پتانسیل مدلسازی عدم قطعیت را در حل مسائل پیچیده دارند. در این پژوهش برای نخستینبار روش هوشمندی براساس پتانسیل منطق فازی نوع 2 بهمنظور مدیریت عدم قطعیت در پیشبینی سریهای زمانی کوتاهمدت و بلندمدت ارائه شده است. مدلهای پیشنهادی روی مجموعه دادههای مسائل دنیای واقعی ارزیابی شدهاند که بیانکنندة کارایی بالاتر روش پیشنهادی با استفاده از روش تحلیل منحنی ROC در پیشبینی الگوهای بیماری کووید-19 در مقایسه با روشهای مشابهاند. نتایج نهایی روش پیشنهادی در مسئله کووید-19 برای دادههای ایران، کارایی 81/93 درصد برای کوتاهمدت و 33/91 درصد را برای بلندمدت نشان میدهند. مدل پیشنهادی میتواند به تصمیمگیریهای راهبردی و پیشگیری از تبعات همهگیری کووید-19 در کوتاه و بلندمدت کمک کند.