fa شبیه‌سازی عامل‌مبنای گسترش مکانی-زمانی بیماری کووید-19 و بررسی تاثیر واکسیناسیون (مطالعه‌ی موردی: ارومیه) سامانه های اطلاعات مکانی GIS پژوهشي Research <div style="text-align: justify;"><span style="font-size:9pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">مدیریت مناسب بیماری‌های همه‌گیر مانند بیماری کووید-19</span></span><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">،</span></span> <span lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">به دلیل تأثیرات گسترده‌ی آن‌ها در اقتصاد، فرهنگ و اجتماع جوامع بسیار حائز اهمیت است. </span></span><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">با اعمال راهبرد&shy;های کنترلی مختلف مانند تعطیلی مدارس، محدودیت تردد شبانه و انجام واکسیناسیون جمعی، انتشار این بیماری تا حدودی کنترل شده، اما به طور کامل رفع نشده است. هدف اصلی این پژوهش ارائه‌ی مدلی مکانی-زمانی و انعطاف‌پذیر برای شبیه‌سازی انتشار بیماری کووید-19 با ایجاد امکان ارزیابی و بررسی تأثیر واکسیناسیون می&shy;باشد. بدین منظور از ترکیب مدلسازی عامل‌مبنا (</span></span>ABM<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">) و سامانه‌ی اطلاعات مکانی (</span></span>GIS<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">) در حالتهای مختلف استفاده می&shy;شود. عامل‌های طراحی شده در تعامل با یکدیگر و محیط، به کمک مدل همه‌گیری </span></span>SEIRD<span style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> موجب انتشار بیماری شده و خصوصیات آن‌ها تحت‌نظر قرار می‌گیرد. برای ارزیابی مدل از داده‌های واقعی مبتلایان به بیماری در شهر ارومیه از زمان شیوع تا 140 روز بعد از آن استفاده شد. نتایج نشان می&shy;دهد که مدل پیاده سازی شده با خطای %32/86</span></span> MAPE= <span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">و </span></span>RMSE<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> نرمال شده 8/62 درصد گسترش بیماری را شبیه‌سازی می&shy;کند. با شبیه‌سازی فرایند اجرای واکسیناسیون، تعداد بیماران نهایی %36/12 و تعداد افراد فوت شده %44/48 کاهش می&shy;یابد. مقایسه‌ی مقادیر شبیه‌سازی شده و مقادیر واقعی نشان از شباهت 82 درصدی نتایج مدل با واقعیت دارد. خروجی این تحقیق نشان می&shy;دهد که مدل</span></span><span lang="FA" style="font-size:11.0pt"><span calibri="" style="font-family:">&shy;</span></span><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">سازی عامل‌مبنا تا حد قابل قبولی توانسته فرایند گسترش بیماری کرونا را شبیه&shy;سازی کرده و پیش&shy;بینی و پیش‌آگاهی از استراتژی&shy;های کنترلی ارائه دهد؛ لذا، از مدل&shy;های عامل‌مبنا می&shy;توان در شبیه‌سازی سویه&shy;های مختلف بیماری کرونا و سایر بیماری&shy;های همه&shy;گیر و همچنین شبیه‌سازی واکنش محیط و استراتژی&shy;های کنترلی استفاده کرد.</span></span></span></span></span></span><br> &nbsp;</div> <span style="font-size:11pt"><span style="line-height:107%"><span style="font-family:Calibri,sans-serif"><span new="" roman="" style="font-family:" times="">Proper management of epidemic diseases such as Covid-19 is very important because of its effects on the economy, culture and society of nations. By applying various control strategies such as closing schools, restricting night traffic and mass vaccination program, the spread of this disease has been somewhat controlled but not completely stopped.</span><span new="" roman="" style="font-family:" times=""> The main goal of this research is to provide a flexible spatio-temporal model for simulating the spread of the Covid-19 disease in order to investigate and evaluate the effectiveness of vaccination.</span> <span new="" roman="" style="font-family:" times="">For this purpose, the combination of Agent Based Modelling (ABM) with changeable input parameters and Geospatial Information System (GIS) has been used. The disease spreads through the interaction of the designed agents with each other and with the environment, with the help of the SEIRD epidemic model, and the characteristics of the agents are monitored during the simulation period. To evaluate the model, the real data of patients with the disease in Urmia city from the time of the outbreak to 140 days later were used. The results show that the implemented model simulates the spread of the disease with MAPE= 32.86% and NRMSE= 8.62%. By simulating the vaccination implementation plan, the total number of infected people will decrease by 36.12% and the total number of deaths will decrease by 44.48%. Comparison of simulation outputs and real data shows a similarity of 82% between model results and reality. The result of this research shows that agent based modelling has been able to simulate the spread of the corona virus to an acceptable extent and evaluate the control strategies effectively; Therefore, agent based models can be used to simulate the spread of different variants of the Corona virus and other epidemic diseases, as well as to simulate the environment&#39;s response and control strategies.</span></span></span></span><br> &nbsp; مدلسازی عامل‌مبنا, بیماری‌های همه‌گیر, سامانه‌ی اطلاعات مکانی, کووید-19, واکسیناسیون Agent Based Modelling, Epidemic Diseases, Geospatial Information System, COVID-19, Vaccination 206 221 http://jgst.issgeac.ir/browse.php?a_code=A-10-1058-1&slc_lang=fa&sid=1 Amir Hossein Ebrahimi امیرحسین ابراهیمی amirhossein183258@gmail.com 10031947532846009561 10031947532846009561 Yes دانشگاه صنعتی خواجه نصیرالدین طوسی Ali Asghar Alesheikh علی اصغر آل شیخ alesheikh@kntu.ac.ir 10031947532846009562 10031947532846009562 No دانشگاه صنعتی خواجه نصیرالدین طوسی Navid Hooshangi نوید هوشنگی navid.hooshangi@yahoo.com 10031947532846009563 10031947532846009563 No دانشگاه صنعتی اراک