پیش‌بینی زمانی و مکانی میزان شیوع کرونا با استفاده از هوش مصنوعی

به گزارش برنا؛ علیرضا زالی با اشاره به قدرت بسیار بالای هوش مصنوعی در پیش‌بینی بسیاری از فرآیندها  گفت: علاوه بر برنامه‌هایی که تا به حال انجام شده و ما را به سمت یک مدل بومی در استان تهران نزدیک کرده است، این مدل زمانی عملکردی است که ما در حوزه بهداشت آثار عملکردی آن را ببینیم. 

فرمانده ستاد مقابله با کرونا در کلانشهر تهران افزود: ما در شهر تهران ۱۷۴ و در استان تهران ۴۲۰ محله داریم و با وجود جمعیت نامتوازن، نوع ارتباطات میان مردم و حجم بالای تردد، مشکلات زیادی برای تصمیم گیری محدودیتی پیدا می‌کنیم. ما برای اعمال محدودیت‌ها نیاز به مدل جغرافیایی داریم تا اقدامات اثربخشی بیشتری داشته باشند. با داشتن اطلاعات مناسب می‌توانیم برای هفته‌های آتی پیش‌بینی‌های لازم و اقدامات متناسب با آن را داشته باشیم.

زالی بیان کرد: مبحث داشبورد مدیریتی بسیار مهم است و با یک سطح دسترسی منطقی برای مدیران تصمیم گیرنده بسیار مناسب است تا در هر لحظه بتوانند موقیعت را دیده و تصمیم گیری کنند.

فرمانده ستاد مقابله با کرونا در کلانشهر تهران گفت: با این نرم افزار، علاوه بر رصد دائمی وضعیت فراگیری و در دسترس بودن اطلاعات روزهای گذشته، می‌توان وضعیت احتمالی ۲ هفته بعد را پیش‌بینی کرد.

توسعه سامانه پیش‌بینی زمانی و مکانی میزان شیوع کرونای استان تهران با استفاده از هوش مصنوعی در پژوهشگاه ارتباطات و فناوری اطلاعات انجام شد.