پیش‌بینی تقاضای گردشگران درمانی شهر یزد با استفاده از شبکه عصبی مصنوعی

زمینه و هدف: گردشگری درمانی یکی از نوین‌ترین رسته‌های گردشگری است و پیش‌بینی تقاضای گردشگران درمانی برای یک جامعه یکی از مهم‌ترین پیش‌نیازهای صنعت گردشگری برای تامین زیرساخت‌های موردنیاز می‌باشد تا بتوان بیشترین بهره‌برداری را برای آینده این صنعت درآمد ساز داشته باشیم؛ ازاین‌رو در جهت شکوفایی بهتر صنعت گردشگری درمانی، هدف این پژوهش پیش‌بینی تقاضای گردشگران درمانی شهر یزد با استفاده از شبکه عصبی مصنوعی می‌باشد.روش پژوهش: پژوهش حاضر از نوع کمی می‌باشد که در تابستان و پائیز 1402 انجام ‌شد. برای گردآوری اطلاعات از روش مطالعات میدانی استفاده گردید. جامعه آماری این مطالعه گردشگران درمانی مراجعه‌کننده به 4 بیمارستان دولتی شهر یزد در طی بازه زمانی 1394 تا 1401 بودند. در این مطالعه شاخص‌های درمانی بیمارستان‌های موردنظر و سایر شاخص‌های درمانی شهر یزد نظیر تعداد تخت‌های پذیرش بیماران، تعداد داروخانه، تعداد مراکز بهداشتی و غیره با توجه به فراگیری بیماری کرونا از اواخر سال 1398 تا اواخر سال 1400 مورد بررسی قرار گرفت. شاخص‌های موثر در این بررسی ابتدا شناسایی و با استفاده از مدل شبکه عصبی مصنوعی پیشنهادی، پیش‌بینی تعداد گردشگران درمانی برای سال آینده شهر یزد انجام‌شده است؛ برای بررسی بیشتر از روش‌های سری زمانی هم استفاده گردیده است.یافته‌ها: با استفاده از بررسی‌های انجام‌شده تعداد گردشگران درمانی ورودی به شهر یزد در ماه‌های مختلف سال 1402 پیش‌بینی گردید. همچنین برای بررسی میزان دقت پیش‌بینی‌ها در شبکه عصبی مصنوعی پیش‌بینی با مدل سری زمانی هم انجام شد. از نتایج این بررسی مشخص شد که میزان خطای داده‌های آموزش در شبکه عصبی مصنوعی و مدل سری زمانی به ترتیب 0/000618 و  0/0111131همچنین برای داده‌های تست به ترتیب  0/013346 و 0/0531902 بود که نشان‌دهنده برتری روش پیشنهادی است.نتیجه‌گیری: با بهره‌گیری از پیش‌بینی تقاضای گردشگران درمانی می‌توان با فراهم نمودن زیرساخت‌های موردنیاز و واقعی گردشگران درمانی و همگون سازی امکانات شهری فعلی و موردنیاز، نسبت به جذب گردشگر بیشتر اقدام نمود که این موضوع منجر به افزایش درآمدهای اقتصادی حاصل و توسعه اقتصادی و اجتماعی شهر می‌گردد. 

forecasting the demand of medical tourists in yazd using artificial neural network

background: medical tourism is one of the newest types of tourism and predicting the demand of medical tourists for a society is one of the most important prerequisites of the tourism industry to provide the necessary infrastructure so that we can maximize the future of this income-generating industry. therefore, in order to better develop the medical tourism industry, the purpose of this research is to predict the demand of medical tourists in yazd using artificial neural network.methods: the present quantitative study was conducted in the summer and fall of 2023. field study method was used to collect data. the statistical population of this study was medical tourists referring to 4 government hospitals in yazd city during 2015-2022. in this study, medical indicators of hospitals in question and other medical indicators of yazd city, such as the number of patient admission beds, the number of pharmacies, the number of health centers, etc., were examined with respect to the spread of the coronavirus disease from late 2019 to late 2021. the effective indicators in this study were first identified and using the proposed artificial neural network model, the number of medical tourists for the next year in yazd city was predicted. for further investigation, time series methods were also used.results: using the conducted surveys, the number of medical tourists entering yazd city was predicted in different months of 2023. moreover, to check the accuracy of predictions in the artificial neural network, the prediction was also done with the time series model. the results of this study revealed that the error rate of training data in artificial neural network and time series model was 0.000618 and 0.011131, respectively, as well as 0.013346 and 0.0531902 for test data, respectively, indicating the superiority of the proposed method.conclusion: by taking advantage of the forecast of the demand for medical tourists, it is possible to attract more tourists by providing the necessary and real infrastructures for medical tourists and homogenizing the current and required urban facilities, which will lead to an increase in income and economic and social development of the city.