دوره 14، شماره 2 - ( دوره 14، شماره 2، 1397 )
جلد 14 شماره 2 صفحات 165-153 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Tapak L, Shirmohammadi-Khorram N, Hamidi O, Maryanaji Z. Predicting the Frequency of Human Brucellosis using Climatic Indices by Three Data Mining Techniques of Radial Basis Function, Multilayer Perceptron and Nearest Neighbor: A Comparative Study. irje 2018; 14 (2) :153-165
URL: http://irje.tums.ac.ir/article-1-6038-fa.html
URL: http://irje.tums.ac.ir/article-1-6038-fa.html
تاپاک لیلی، شیر محمدی خرم نسرین، حمیدی امید، مریانجی زهره. پیش‌بینی تعداد موارد بروسلوز براساس پارامترهای اقلیمی با استفاده از روش‌های داده کاوی شبکه‌های عصبی مصنوعی پرسپترون چند لایه، تابع پایه شعاعی و نزدیک‌ترین همسایگی. مجله اپیدمیولوژی ایران. 1397; 14 (2) :153-165
لیلی تاپاک1 
، نسرین شیر محمدی خرم* 2، امید حمیدی3 ، زهره مریانجی4
، نسرین شیر محمدی خرم* 2، امید حمیدی3 ، زهره مریانجی4
1- استادیار، گروه آمار زیستی، دانشکده بهداشت و مرکز تحقیقات مدل‌سازی بیماری‌های غیر واگیر، دانشگاه علوم پزشکی همدان، همدان، ایران
2- کارشناس ارشد آمار زیستی، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران ،n.shirmohammadi@edu.umsha.ac.ir
3- مربی، گروه علوم پایه، دانشگاه صنعتی همدان، همدان، ایران
4- استادیار، گروه جغرافیا، دانشگاه سیدجمال‌الدین اسدآبادی، همدان ،اسدآباد، ایران
2- کارشناس ارشد آمار زیستی، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران ،
3- مربی، گروه علوم پایه، دانشگاه صنعتی همدان، همدان، ایران
4- استادیار، گروه جغرافیا، دانشگاه سیدجمال‌الدین اسدآبادی، همدان ،اسدآباد، ایران
چکیده: (5460 مشاهده)
مقدمه و اهداف: شناسایی مدلهای آماری دارای پیشبینیهای دقیق در تعیین دقیق و به‌هنگام طغیان بیماری‌های عفونی در نظام مراقبت بهداشتی این بیماریها بسیار با اهمیت است. این مطالعه با هدف ارزیابی و مقایسه عملکرد سه روش یادگیری ماشین در مدل‌سازی و پیش‌بینی سری زمانی بروسلوز بر اساس پارامترهای اقلیمی انجام شد.
روش کار: در این مطالعه موارد بروسلوز انسانی و پارامترهای اقلیمی به‌صورت ماهانه، در طول 12 سال (95-1383) از استان همدان واقع در غرب ایران تحلیل شد. دادهها به دو زیرمجموعه آموزش (80 درصد) و آزمون (20 درصد) تقسیم شد. روش‌های تابع پایه شعاعی و چند لایه پروسپترون و نزدیک‌ترین همسایه سری زمانی به هر زیرمجموعه برازش شد. ارزیابی عملکرد مدلها با استفاده از معیارهای RMSE، MAE، MRAE، R2 و ICC انجام شد.
یافته‌ها: نتایج نشان داد که مقادیر معیارهای (79/23)RMSE، (56/20)MAE، (25/0)MRAE برای مدل شبکه عصبی چند لایه پرسپترون کوچک‌تر از مقادیر آنها در دو مدل دیگر بود. هم‌چنین، در این مدل مقادیر بزرگ‌تری برای معیارهای (61/0)R2 و (75/0)ICC به‌دست آمد. بنابراین مدل شبکه‌ی عصبی چند لایه پرسپترون در پیش‌بینی دادههای مورد مطالعه عملکرد بهتری داشت. دما نسبت به سایر پارامترهای اقلیمی مؤثرترین عامل در بروز این بیماری بود.
نتیجه‌گیری: شبکه عصبی چندلایه پرسترون میتواند به‌عنوان یک روش کارا برای تشخیص رفتار روند بروسلوز در طول زمان به کار رود. با این حال مطالعات بیش‌تری با هدف کاربرد و مقایسه این روشها برای شناسایی مناسبترین روش پیش‌بینی روند این بیماری مورد نیاز است.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
