نوع مقاله : مقاله پژوهشی - کاربردی

نویسندگان

1 استادیار گروه ریاضی کاربردی، دانشگاه پیام نور، تهران- ایران

2 گروه ریاضی دانشگاه پیام نور، تهران، ایران

3 گروه ریاضی- دانشگاه پیام نور- ایران

10.22105/dmor.2021.278929.1347

چکیده

هدف: ویروس کووید-19 تهدید بزرگی برای سلامتی و ایمنی مردم در سراسر جهان است. یکی از مؤلفه‌های اساسی در مقابله با این تهدید جهانی، تصمیم‌گیری سریع و بجا برای کنترل همه‌گیری این بیماری است. بنابراین پیش‌بینی روند آینده این بیماری در جهان ازجمله پیش‌بینی افراد فوت‌شده می‌تواند برای سیاست‌گذاری، مدیریت و کنترل شیوع آن مفید باشد. از این رو به پیش بینی میزان مرگ و میر ناشی از این ویروس با مدل های خاکستری در جهان پرداخته شده است.

روش‌شناسی پژوهش:این پژوهش به بررسی روند پیش‌بینی میزان مرگ‌ومیر در جهان با استفاده از مدل های نظریه سیستم‌های خاکستری می‌پردازد. داده‌های پژوهش از سایت سازمان بهداشت جهانی جمع‌آوری‌شده و پیش‌بینی میزان افراد فوت‌شده در جهان به‌صورت ماهانه با پنج روش سیستم خاکستری GM(1,1)، GreyVerhulst،DGM(1,1)،NGBM (1,1) و F-NGBM(1,1) مدل‌سازی و پیش‌بینی‌شده است. به‌منظور ارزیابی خطای مدل‌ها، از معیارهای متداول ارزیابی خطاMAE ، RMSE و MAPE استفاده شد.

یافته‎ها:با ارزیابی خطای مدل ها، پیش بینی مدل F-NGBM(1,1)در دسته مدل های عالی، مقادیر پیش بینی مدل GreyVerhulst جزو دسته پیش‌بینی های قابل قبول و بقیه مدل‌ها در دسته پیش‌بینی خوب قرار می گیرند. همچنین مدل (F-NGBM(1,1 با مقادیر خطایMAE, RMSE و MAPE به ترتیب26989.54، 21533.94 و 7.21 مناسب‌ترین مدل نسبت به سایر روش‌های دیگر است. 250958 فوتی با پیش بینی مدل(F-NGBM(1,1 برای انتهای سال 2021 براورد شده است که ممکن است مناسب ترین مقدار در بین روش های پیش بینی ها باشد.

اصالت/ارزش افزوده علمی:با توجه به عدم وجود داده‌های تاریخی و همچنین عدم قطعیت فراوان در داده‌های دسترس، نیاز است از رویکردهای مواجهه با عدم قطعیت همچون نظریه سیستم خاکستری در پیش‌بینی میزان مرگ‌ومیر این بیماری استفاده شود.از این 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 و میر در کل دنیا انجام شده است و جامعیت بیشتری برای اقدامات یکپارچه جهانی خواهد داشت.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Predicting Covid-19 Virus Mortality in the World by Using Grey System Models

نویسندگان [English]

  • davood darvishi 1
  • Mostafa Nori joybari 2
  • parvin babaei 3

1 Department of Mathematics, Payame Noor University, P.O. Box 19395-3697, Tehran, Iran

2 3Department Of Mathematics, Payame Noor University,Tehran, Iran.

3 3Department Of Mathematics, Payame Noor University,Tehran, Iran.

چکیده [English]

Purpose: Covid-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.

Methodology: This 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.

Findings: By 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/Value: Due 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.

کلیدواژه‌ها [English]

  • Data Analysis
  • Covid-19 Virus
  • Grey system
  • Grey Prediction
  • time series