جستجوی مقالات مرتبط با کلیدواژه "تحلیل داده" در نشریات گروه "صنایع"
تکرار جستجوی کلیدواژه «تحلیل داده» در نشریات گروه «فنی و مهندسی»-
هدف
ویروس کووید-19 تهدید بزرگی برای سلامتی و ایمنی مردم در سراسر جهان است. یکی از مولفه های اساسی در مقابله با این تهدید جهانی، تصمیم گیری سریع و بجا برای کنترل همه گیری این بیماری است؛ بنابراین پیش بینی روند آینده این بیماری در جهان ازجمله پیش بینی افراد فوت شده می تواند برای سیاست گذاری، مدیریت و کنترل شیوع آن مفید باشد. ازاین رو به پیش بینی میزان مرگ ومیر ناشی از این ویروس با مدل های خاکستری در جهان پرداخته شده است.
روش شناسی پژوهشاین پژوهش به بررسی روند پیش بینی میزان مرگ ومیر در جهان با استفاده از مدل های نظریه سیستم های خاکستری می پردازد. داده های پژوهش از سایت سازمان بهداشت جهانی جمع آوری شده و پیش بینی میزان افراد فوت شده در جهان به صورت ماهانه با پنج روش سیستم خاکستری GM(1,1)،GreyVerhulst،DGM(1,1)،NGBM(1,1) و F-NGBM(1,1) مدل سازی و پیش بینی شده است. به منظور ارزیابی خطای مدل ها، از معیارهای متداول ارزیابی خطا MAE، RMSE و MAPE استفاده شد.
یافته هابا ارزیابی خطای مدل ها، پیش بینی مدل F-NGBM(1,1) در دسته مدل های عالی، مقادیر پیش بینی مدل GreyVerhulst جزو دسته پیش بینی های قابل قبول و بقیه مدل ها در دسته پیش بینی خوب قرار می گیرند. همچنین مدل (F-NGBM(1,1 با مقادیر خطایMAE, RMSE و MAPE به ترتیب 26989.54، 21533.94 و 7.21 مناسب ترین مدل نسبت به سایر روش های دیگر است. 250958 فوتی با پیش بینی مدل (F-NGBM(1,1 برای انتهای سال 2021 برآورد شده است که ممکن است مناسب ترین مقدار در بین روش های پیش بینی ها باشد.
اصالت/ارزش افزوده علمیبا توجه به عدم وجود داده های تاریخی و همچنین عدم قطعیت فراوان در داده های دسترس، نیاز است از رویکردهای مواجهه با عدم قطعیت همچون نظریه سیستم خاکستری در پیش بینی میزان مرگ ومیر این بیماری استفاده شود. ازاین رو در این پژوهش برخلاف پژوهش های انجام شده با مدل های مختلف پیش بینی خاکستری به برآورد میزان مرگ و میر پرداخته که به نسبت روش های موجود، داده های نسبتا کمتری نیاز داشته و خطای مدل هم بسیار پایین تر است. همچنین این پژوهش برای میزان مرگ ومیر در کل دنیا انجام شده است و جامعیت بیشتری برای اقدامات یکپارچه جهانی خواهد داشت.
کلید واژگان: تحلیل داده, کرونا ویروس, سیستم خاکستری, پیش بینی خاکستری, سری زمانیPurposeCovid-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.
MethodologyThis 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.
FindingsBy 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/ValueDue 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.
Keywords: Data Analysis, Covid-19 Virus, Grey system, Grey Prediction, time series
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.