مناقشة رسالة طالب الماجستير نصير صلاح عباس من قسم علوم الحاسوب

ناقش قسم علوم الحاسوب في كلية العلوم بجامعة ديالى رسالة طالب الماجستير نصير صلاح عباس الموسومة نموذج لتحرك الاشخاص في المجتمع بعد جائحة كورونا باستخدام خوارزميات التعلم الآلي وذلك في يوم الثلاثاء الموافق 2021/7/27 وعلى قاعة المناقشات في عمادة الكلية.

أوضح الطالب في مقدمة دراسته أنه أثرت الأزمة الصحية التي نُسبت إلى الانتشار السريع لـ COVID-19 على العالم سلبًا من حيث الاقتصاد والتعليم والنقل وأدت إلى الإغلاق العالمي. ان زيادة خطر الإصابة بعدوى COVID-19 بسبب عدم وجود علاج ناجح للمرض. وبالتالي، يعتبر التباعد الاجتماعي الإجراء الاحترازي الأنسب للسيطرة على انتشار الفيروس في جميع أنحاء العالم.

واقترحت الدراسة نموذج للتعلم العميق قادر على التنبؤ بحركة الناس لمعرفة نسبة التباعد الاجتماعي في الوباء على المدى القصير (يوم واحد) لاتخاذ التدابير والاحتياطات اللازمة للسيطرة على COVID-19 عدوى. حيث يتكون النموذج المقترح من أربع مراحل: مرحلة جمع البيانات، ومرحلة المعالجة المسبقة للبيانات، ومرحلة التنبؤ، ومرحلة التقييم والمقارنة.

يتم الحصول على مجموعة البيانات من 428 تقرير تنقل تم جمعها استنادًا إلى بيانات من المستخدمين الذين تم اختيارهم لسجل مواقع حساب Google لبلد مثل العراق من 2020/02/15 إلى 2021/04/17 (428 يومًا) ) المخزنة في ملف CSV.

بعد ذلك، يتم تطبيق خوارزميات التعلم العميق مثل الذاكرة طويلة المدى (LSTM)، والوحدة المتكررة ذات البوابات (GRU) والنموذج الهجين (GRU & LSTM) على البيانات التي تمت معالجتها مسبقًا للتنبؤ بحركة الأشخاص. تتم مقارنتها باستخدام المقاييس الإحصائية: متوسط الخطأ المطلق (MAE) وجذر متوسط الخطأ التربيعي (RMSE) لقياس أداء خوارزميات التعلم الآلي هذه، حيث كلما انخفض معدل الخطأ، كان أداء التنبؤ للنموذج أفضل وأكثر دقة.

نتائج خوارزمية GRU هي مجموع MAE يساوي 0.4284 ومجموع RMSE يساوي 0.6479 للتنبؤ بمسار الشخص وحركته وبوقت تدريب يساوي 35.951 ثانية، في حين أن نتائج النموذج الهجين هي مجموع MAE يساوي 0.4360 ومجموع RMSE يساوي 0.6558 للتنبؤ و وقت التدريب يساوي 71.190 ثانية، ونتائج LSTM هي مجموع MAE يساوي 0.4418 ومجموع RMSE يساوي 0.6618 للتنبؤ ووقت التدريب يساوي 123.799 ثانية.

تشير قيم القياس الإحصائية هذه إلى أن نموذج GRU المقترح تفوق في الأداء على جميع النماذج الأخرى، فقد أظهر أداءً قويًا للتنبؤ بمسار الشخص وحركته في جائحة فيروس كورونا واستغرق وقتًا قصيرًا للتدريب مقارنة بالخوارزميات الأخرى، بينما أظهرت الخوارزمية الهجينة أداءً جيدًا ووقتًا قصيرًا في التدريب مقارنة بنموذج LSTM.

يلعب التباعد الاجتماعي والاختلاط بين الناس دورًا حيويًا في الانتشار السريع لوباء COVID-19. لذلك، فإن نتائجنا المتوقعة للاتجاهات المستقبلية لتحركات الناس في المجتمع مفيدة جدًا للبلد للسيطرة على الوباء ولأغراض إرشادات التباعد الاجتماعي.

تألفت لجنة المناقشة من السادة المدرجة أسماؤهم أدناه: