پیش بینی روند شیوع بیماری کرونا با فاکتورهای تاثیرگذار بر روی شبکه های عصبی

شبکه های عصبی مصنوعی اخیرا بسیار مورد توجه دانشمندان قرار گرفته است که یکی از مهمترین کارکردهای آن در مسائل پیش بینی است. هدف از این مطالعه، پیش بینی تعداد موارد مبتلا و مرگومیر ناشی از بیماری کرونا با توجه به عوامل تاثیرگذار در شیوع این بیماری است. برای این منظور سه عامل دما، رطوبت و سرعت باد در نظر گرفته شده است و یک شبکه عصبی پرسپترون دو لایه برای پیش بینی تعداد موراد مبتلا و مرگومیر ناشی از این بیماری طراحی شده است. آموزش شبکه عصبی بر اساس داده های تاریخی برای چهار ماه در استان خراسان جنوبی و از تاریخ ۱۳۹۹/۰۵/۰۱ تا ۱۳۹۹/۰۸/۳۰ انجام شده است. نتایج حاصل نشان میدهد که شبکه عصبی طراحی شده با انتخاب مناسب پارامترها قادر است با دقت ۹۵ درصد داده های آموزش دیده را به درستی پیش بینی نماید. همچنین میزان دقت شبکه در پیش بینی موارد جدید ۸۴ درصد بوده است.