مدلسازی و تحلیل روند توزیع بیماری لیشمانیوز با استفاده از شبکه عصبی پرسپترون چند لایه و رگرسیون بردار پشتیبان (مطالعه موردی: روستاهای استان اصفهان)

روستاهای واقع در استان اصفهان یکی از مناطق مستعد شیوع بیماری لیشمانیوز پوستی است که با وقوع زخم روی پوست مشخص می شود. برای پیش بینی شیوع بیماری لیشمانیوز پوستی در آینده، نظارت مداوم بر روند توزیع مکانی این بیماری ضروری است. مدلسازی بیماری با استفاده از دو الگوریتم یادگیری ماشین به نام های رگرسیون بردار پشتیبان (SVR) و شبکه عصبی پرسپترون چند لایه (MLP) انجام شده است. عملکرد این الگوریتم ها با استفاده از شاخص RMSE ارزیابی شده است. تحلیل نتایج نشان می دهد الگوریتم SVR با RMSE=0.170 در مقایسه با MLP با RMSE= 0.348 عملکرد بهتری دارد. عوامل محیطی شامل دما، رطوبت، بارش، ارتفاع و سرعت باد  به عنوان متغیر های مستقل و تخمین تراکم  بیماری لیشمانیوز پوستی به عنوان متغیر وابسته در فرایند مدلسازی مورد استفاده بودند، که از این تعداد (‏70 %)‏ برای آموزش مدل و (‏30 %)‏ باقی مانده برای ارزیابی مدل مورد استفاده قرار گرفتند. نتایج شاخص تحلیل مکانی نشان داد الگوی توزیع بیماری لیشمانیوز پوستی در سال های 1397 تا 1399 بصورت خوشه ای بوده است.