ارائه مدل هوشمند تطبیقی مبتنی بر منطق فازی نوع 2 برای مدیریت عدم قطعیت در پیش بینی الگوهای بیماری کووید-19 در سری های زمانی کوتاه و بلندمدت: مطالعه موردی ایران
روش های پیش بینی با قابلیت اطمینان بالا در حل مسایل دنیای واقعی، به ویژه مواردی بسیار حایز اهمیت است که بر سلامت عمومی تاثیر می گذارند. با گذشت زمان، ویژگی های آماری مسایل پیچیده نظیر بیماری کووید-19 به طور پیوسته درحال تغییرند که به عدم قطعیت مرتبه بالا در مدل سازی منجر می شوند. روش های هوش محاسباتی مانند منطق فازی نوع 2 روش هایی اند که پتانسیل مدل سازی عدم قطعیت را در حل مسایل پیچیده دارند. در این پژوهش برای نخستین بار روش هوشمندی براساس پتانسیل منطق فازی نوع 2 به منظور مدیریت عدم قطعیت در پیش بینی سری های زمانی کوتاه مدت و بلندمدت ارایه شده است. مدل های پیشنهادی روی مجموعه داده های مسایل دنیای واقعی ارزیابی شده اند که بیان کننده کارایی بالاتر روش پیشنهادی با استفاده از روش تحلیل منحنی ROC در پیش بینی الگوهای بیماری کووید-19 در مقایسه با روش های مشابه اند. نتایج نهایی روش پیشنهادی در مسیله کووید-19 برای داده های ایران، کارایی 81/93 درصد برای کوتاه مدت و 33/91 درصد را برای بلندمدت نشان می دهند. مدل پیشنهادی می تواند به تصمیم گیری های راهبردی و پیشگیری از تبعات همه گیری کووید-19 در کوتاه و بلندمدت کمک کند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.