ارائه مدلی برای پیش بینی بیماری لیشمانیوز جلدی (سالک) با استفاده از سامانه اطلاعات مکانی و الگوریتم شبکه عصبی

Authors

  • مهدی فرنقی استادیار گروه سامانه اطلاعات مکانی دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
  • مهرداد آهنگرکانی دانشجوی دکتری سامانه اطلاعات مکانی، دانشکده مهندسی نقشه برداری- دانشگاه صنعتی خواجه نصیرالدین طوسی
Abstract:

بیماری سالک، از بیماری‌های انگلی می‌باشد که در شمار بیماری‌های مشترک بین انسان و حیوان قرار می‌گیرد. این بیماری از شایع‌ترین فرم بیماری لیشمانیوز است که توسط گونه‌های مختلف انگل لیشمانیا ایجاد شده و با نیش زدن گونه‌های مختلف پشه خاکی‌های ماده عامل فلبوتومینه به انسان، شخص را دچار ابتلا به این بیماری می‌کند. استان گلستان همواره یکی از کانون‌های اصلی بروز بیماری سالک در ایران بوده است و به دلیل دارابودن شرایط محیطی و آب و هوایی مساعد، سالانه تعدادی از موارد ابتلا به این بیماری در این استان گزارش می‌گردد. هدف اساسی این تحقیق تحلیل سالانه توزیع مکانی-زمانی بیماری سالک، بررسی تأثیر عوامل محیطی و آب و هوایی با بروز بیماری و در نهایت ارائه مدلی جهت تهیه نقشه پیش‌بینی و آسیب‌پذیری بیماری طی دوره آماری 1392 تا 1394 در سطح دهستان‌های استان گلستان می‌باشد. به منظور بررسی ارتباط میان بروز بیماری سالک با متغیرهای محیطی و آب و هوایی و همچنین بررسی وجود خودهمبستگی مکانی میان موارد بروز بیماری، تحلیل‌های آماری و مکان-آماری به کار گرفته شده‌اند. جهت مدل‌سازی بیماری، الگوریتم شبکه عصبی پرسپترون چندلایه مورد استفاده قرار گرفت. به منظور ارزیابی دقت مدل بدست آمده، معیارهایی همچون RMSE،MAPE و AUCاستفاده گردیدند و همچنین جهت تعیین مؤثرترین متغیرها در مدلسازی بیماری، آنالیز حساسیت اجرا شده است. معیارهای ارزیابی گویای این حقیقت بودند که مدل به دست آمده قدرت تشخیص قابل قبولی در پیش‌بینی بروز بیماری در سطح دهستان‌های استان گلستان دارد (RMSE1392 = 0.019, RMSE1393 = 0.013, RMSE1394 = 0.017, MAPE1392 = 1.43, MAPE1393 = 1.34, MAPE1394 = 1.40, AUC1392 = 0.846, AUC1393 = 0.873, AUC1394 = 0.859). همچنین آنالیز حساسیت نشان داد که متغیرهای پوشش گیاهی و متوسط رطوبت هوا مهمترین عوامل در تهیه نقشه پیش‌بینی و آسیب‌پذیری توزیع مکانی بیماری سالک در استان گلستان می‌باشند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارائه مدلی جهت پیش بینی بیماری دیابت با استفاده از شبکه عصبی

Introduction: Meta-heuristic and combined algorithms have a great capability in modelling medical decision making. This study used neural networks in order to predict Type 2 Diabetes (T2D) among high risk individuals. Methods: This study was   an applied research. Data from 545 individuals (diabetic and non-diabetic), in Diabetes Clinic of Hamedan University of Medical Sciences, we...

full text

ارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی

در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آم...

full text

ارائه مدلی برای پیش بینی سطح معنویت در سازمان با رویکرد شبکه عصبی مصنوعی

رشد روزافزون تمایل به معنویت در محیط کار، به ایجاد پارادایم جدیدی در علم سازمانی منجر شده و مزایای برآمده از ایجاد محیط کار معنوی، کانون توجه بسیاری از پژوهشگران قرار گرفته است. از این رو، با توجه به اهمیت موضوع معنویت در محیط کار، هدف این پژوهش، ارایه مدلی برای پیش بینی سطح معنویت در سازمان با رویکرد شبکه عصبی مصنوعی است. در این مطالعه، از روش پژوهش توصیفی- اکتشافی استفاده شده است. جامعه آماری...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 28  issue 109

pages  7- 24

publication date 2019-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023