ارائه مدل هوشمند تطبیقی مبتنی بر منطق فازی نوع 2 برای مدیریت عدم قطعیت در پیش‌بینی الگوهای بیماری کووید-19 در سری‌های زمانی کوتاه و بلندمدت: مطالعه ی موردی ایران

روش‌های پیش‌بینی با قابلیت اطمینان بالا در حل مسائل دنیای واقعی، به‌ویژه مواردی بسیار حائز اهمیت است که بر سلامت عمومی تاثیر می‌گذارند. با گذشت زمان، ویژگی‌های آماری مسائل پیچیده نظیر بیماری کووید-19 به‌طور پیوسته درحال تغییرند که به عدم قطعیت مرتبه بالا در مدل‌سازی منجر می‌شوند. روش‌های هوش محاسباتی مانند منطق فازی نوع 2 روش‌هایی‌اند که پتانسیل مدل‌سازی عدم قطعیت را در حل مسائل پیچیده دارند. در این پژوهش برای نخستین‌بار روش هوشمندی براساس پتانسیل منطق فازی نوع 2 به‌منظور مدیریت عدم قطعیت در پیش‌بینی سری‌های زمانی کوتاه‌مدت و بلندمدت ارائه شده است. مدل‌های پیشنهادی روی مجموعه‌ داده‌های مسائل دنیای واقعی ارزیابی شده‌اند که بیان‌کننده ی کارایی بالاتر روش پیشنهادی با استفاده از روش تحلیل منحنی roc در پیش‌بینی الگوهای بیماری کووید-19 در مقایسه با روش‌های مشابه‌اند. نتایج نهایی روش پیشنهادی در مسئله کووید-19 برای داده‌های ایران، کارایی 93.81 درصد برای کوتاه‌مدت و 91.33 درصد را برای بلندمدت نشان می‌دهند. مدل پیشنهادی می‌تواند به تصمیم‌گیری‌های راهبردی و پیشگیری از تبعات همه‌گیری کووید-19 در کوتاه و بلندمدت کمک کند.

an adaptive intelligent type-2 fuzzy logic model to manage uncertainty of short and long time-series in covid-19 patterns prediction: a case study on iran

prediction with high reliability is very important in solving real-world problems, especially those that affect public health. the statistical properties of complex problems such as covid-19 disease constantly change over time which makes modeling of such problems associated with high-level uncertainty. it has been proven that the type-2 fuzzy logic has the potential for modeling uncertainty to solve complex problems. in this research, for the first time, an intelligent method based on the capability of type-2 fuzzy logic was presented to manage uncertainty in predicting short-term and long-term time series in environmental crises such as the covid-19 pandemic. the performance of the proposed model was evaluated using a real dataset collected from official sources. the results confirm the high efficiency of the proposed method on covid-19 based on a roc curve analysis. the obtained results showed an efficiency of 93.81% for short and 91.33% for long-term time series. this indicates the high efficiency and capability of the proposed model for managing uncertainty in predicting patterns of covid-19 in comparison with similar methods. the proposed model can be useful to take strategic decisions and prevent the consequences of the covid-19 epidemic in the short and long terms.