پیش بینی مکانی زمانی مناطق پرخطر بیماری کرونا با استفاده از روشهای رگرسیون وزندار جغرافیایی و شبکه عصبی پرسپترون چندلایه

یکی از مسری ترین بیماری های سال های اخیر کووید 19 (کرونا) است که از اواخر سال 2019 میلادی از شهر ووهان- چین به سراسر جهان شیوع پیدا کرد و جهان را با بحران های بسیار مواجه و تاثیر عمیقی در دنیا و زندگی روزمره انسان ها گذاشت. در بیشتر افراد آلوده به این بیماری باعث بروز علایم تنفسی شده که شدت آن بستگی به سیستم ایمنی بدن فرد دارد. اهداف اصلی این تحقیق، کشف خوشه ها و پیش بینی مناطق پرخطر بیماری کرونا، مقایسه کارایی دو روش پیشنهادی و تعیین پارامترهای موثر به تفکیک شهرستان می باشد. در این تحقیق به منظور بررسی الگوی توزیع نرخ بروز بیماری و خوشه ها به ترتیب از شاخص موران و شاخص تحلیل نقطه داغ و به منظور تعیین پارامترهای موثر بیماری از ضریب همبستگی پیرسون استفاده شد. در این تحقیق داده های آماری بیماری کرونای استان آذربایجان شرقی در سطح شهرستان به همراه داده های محیطی و توپوگرافی، سلامت و بهداشت، اقتصادی و تسهیلات شهری در محدوده زمانی 3 اسفند 1398 تا 30 آبان 1399، بصورت هفتگی جمع آوری گردید. مطابق نتایج بدست آمده روند بروز بیماری کرونا طی این بازه زمانی دو پیک را پشت سر گذاشته و براساس نقشه های بدست آمده از دو مدل در برخی هفته ها مدل GWR و در برخی مدل MLP مدل برتری بود. همچنین برای مدل GWR مقدار شاخص خوبی برازش 8985/0 و خطای جذر میانگین مربعات نرمال شده 0822/0 و برای مدل MLP نیز بترتیب برابر با 8226/0 و 1340/0 بدست آمد که نشان می دهد روش GWR مناسبتر است. آنالیز تحلیل حساسیت پارامترهای مختلف نشان داد که پارامتر های نرخ بروز کرونای هفته ماقبل و سرعت باد مهمتر از سایر پارامترهای مدسازی شده در این مساله می باشد. در این تحقیق پارامترهای موثر به تفکیک هر شهرستان استخراج گردید و یک مدل محلی ارایه شد که در مقایسه با حالت کلی، مدل محلی دقت بهتری نسبت به مدل کلی روش MLP دارا بود.