Hibrit FUCOM-Pareto analizi-rastgele orman yöntemi kullanýlarak COVID-19 onaylanmýþ vaka sayýsýnýn tahmin edilmesi

Aralýk 2019 tarihinde ortaya çýkan ve halen etkisini devam ettiren COVID-19 salgýnýnýn ardýndan neredeyse tüm ülkeler virüsün yayýlmasýný kontrol altýna almak için katý önlemler uygulamak zorunda kalmýþtýr. COVID-19’un yayýlým hýzýna etki eden çok sayýda kriter olmasý ve en etkili kriterlerin belirlenememesi yayýlýmýn, dolayýsýyla pozitif vaka ve ölüm sayýsýnýn artmasýna neden olmaktadýr. Uzmanlarýn yayýlýmý azaltabilmesi yayýlýmý etkileyen kriterlerin belirlenmesine baðlýdýr. Bu nedenle çalýþmada; öncelikle yayýlým hýzýna etki eden kriterlere ait aðýrlýklar çok kriterli karar verme yöntemi olan tam tutarlýlýk yöntemi (FUCOM) kullanýlarak belirlenmiþ, elde edilen kriter aðýrlýklarý baz alýnarak yayýlýmý en çok etkileyen kriterler Pareto analizi ile tespit edilmiþtir. Daha sonra elde edilen kriter baz alýnarak rassal orman (RO) yöntemiyle onaylanmýþ vaka sayýlarý tahmin edilmiþtir. RO yöntemine ait performans kriterleri deðerleri; yapay sinir aðý, karar aðacý ve destek vektör makinasý gibi farklý yapay zeka yöntemleri ile karþýlaþtýrýlmýþtýr. RO yönteminin; RMSE (3247), MAE (1714) ve RRSE (0.374) hata deðerleriyle ve %92.9 gibi yüksek tahmin baþarýsý ile daha iyi deðerler verdiði görülmüþtür.

Prediction of the number of COVID-19 confirmed cases using the hybrid FUCOM-Pareto analysis- random forest method

After the COVID-19 epidemic, which emerged in December 2019 and is still in effect, almost all countries had to implement strict measures to control the spread of the virus. The ability of experts to reduce the spread primarily depends on the determination of the criteria affecting the spread. The fact many criteria that affect the rate of spread of COVID-19 and the most effective criteria cannot be determined, causes the spread, and therefore the number of positive cases and deaths to increase. Therefore, in the study; firstly, the weights of the criteria affecting the rate of spread were determined by using the full consistency method (FUCOM), which is a multi-criteria decision-making method, and the criteria that most affected the spread were determined by Pareto analysis, based on the criteria weights obtained. Then, based on the criteria obtained, the number of confirmed cases was predicted using the random forest method. The performance criteria values of the random forest were compared with different artificial intelligence methods such as artificial neural network, decision tree and support vector machine. Random forest gave the best results with error values (RMSE (3247), MAE (1714) and RRSE (0.374)). In addition, the random forest achieved a high prediction success of 92.9%.