مهدی فرنقی

بیماری سالک، از بیماری های انگلی می باشد که در شمار بیماری های مشترک بین انسان و حیوان قرار می گیرد. این بیماری از شایع ترین فرم بیماری لیشمانیوز است که توسط گونه های مختلف انگل لیشمانیا ایجاد شده و با نیش زدن گونه های مختلف پشه خاکی های ماده عامل فلبوتومینه به انسان، شخص را دچار ابتلا به این بیماری می کند. استان گلستان همواره یکی از کانون های 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 می گردد. 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 پیش بینی و آسیب پذیری بیماری طی دوره آماری 1392 تا 1394 در سطح دهستان های استان گلستان می باشد. 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، تحلیل های آماری و مکان-آماری به کار گرفته شده اند. جهت مدل سازی بیماری، الگوریتم شبکه عصبی پرسپترون چندلایه مورد استفاده قرار گرفت. به منظور ارزیابی دقت مدل بدست آمده، معیارهایی همچون RMSE ، MAPE و AUC استفاده 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 پیش بینی بروز بیماری در سطح دهستان های 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 پیش بینی و آسیب پذیری توزیع مکانی بیماری سالک در استان گلستان می باشند.

رشد و توسعة شهری و افزایش استفاده از وسایل نقلیه در سال های اخیر منجر به افزایش آلودگی هوا، به ویژه در شهر های بزرگ و صنعتی، شده است. با توجه به آثار نامطلوب آلودگی هوا در سلامت انسان ها و دیگر جانداران، پیش بینی و مدل سازی این پدیدة پیچیده از دغدغه های اصلی محققان در سال های اخیر بوده است. هدف این تحقیق طراحی سیستمی است به منظور پیش بینی آلودگی هوا، طی 24 ساعت آینده، تا با شناسایی مناطق آلوده، به مدیران و برنامه ریزان شهری برای کنترل و کاهش میزان آلاینده ها کمک کند. در سیستم طراحی شده، از ترکیب آنالیز مؤلفة اصلی و شبکة عصبی فازی –تطبیقی (PCA-ANFIS)، به منظور پیش بینی آلودگی هوا در فصل های متفاوت، استفاده شده است. در این سیستم، داده های هواشناسی و غلظت آلاینده ها در روزهای گذشته، برای پیش بینی آلودگی هوای شهر تهران در 24 ساعت آینده، به کار رفته است. همچنین، از پارامتر های مکانی مانند ارتفاع، توپوگرافی سطح زمین و فاصله از جاده به منظور مدل سازی مکانی پراکندگی آلودگی هوا استفاده شده است. نتایج حاصل از مقایسة روش ترکیبی PCA-ANFIS با روش ANFIS دقت و سرعت بالاتر مدل ترکیبی طراحی شده را، به نسبت روش ANFIS در پیش بینی آلودگی هوا طی 24 ساعت آینده، بیان می کند.