Ethics code: IR.IAU.YAZD.REC.1401.034
Fallah Tafti H, Esteghlal A, Al-Modaresi S A, Beheshtipour Z, Mirhosseini S M. Forecasting the Demand of Medical Tourists in Yazd Using Artificial Neural Network. Manage Strat Health Syst 2025; 9 (4) :314-328
URL:
http://mshsj.ssu.ac.ir/article-1-792-fa.html
فلاح تفتی حمید رضا، استقلال احمد، المدرسی سید علی، بهشتی پور زهره، میرحسینی سید مجید. پیشبینی تقاضای گردشگران درمانی شهر یزد با استفاده از شبکه عصبی مصنوعی. راهبردهای مدیریت در نظام سلامت. 1403; 9 (4) :314-328
URL: http://mshsj.ssu.ac.ir/article-1-792-fa.html
استادیار، گروه شهرسازی و معماری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
چکیده: (67 مشاهده)
زمینه و هدف: گردشگری درمانی یکی از نوینترین رستههای گردشگری است و پیشبینی تقاضای گردشگران درمانی برای یک جامعه یکی از مهمترین پیشنیازهای صنعت گردشگری برای تأمین زیرساختهای موردنیاز میباشد تا بتوان بیشترین بهرهبرداری را برای آینده این صنعت درآمد ساز داشته باشیم؛ ازاینرو در جهت شکوفایی بهتر صنعت گردشگری درمانی، هدف این پژوهش پیشبینی تقاضای گردشگران درمانی شهر یزد با استفاده از شبکه عصبی مصنوعی میباشد.
روش پژوهش: پژوهش حاضر از نوع کمی میباشد که در تابستان و پائیز ۱۴۰۲ انجام شد. برای گردآوری اطلاعات از روش مطالعات میدانی استفاده گردید. جامعه آماری این مطالعه گردشگران درمانی مراجعهکننده به ۴ بیمارستان دولتی شهر یزد در طی بازه زمانی ۱۳۹۴ تا ۱۴۰۱ بودند. در این مطالعه شاخصهای درمانی بیمارستانهای موردنظر و سایر شاخصهای درمانی شهر یزد نظیر تعداد تختهای پذیرش بیماران، تعداد داروخانه، تعداد مراکز بهداشتی و غیره با توجه به فراگیری بیماری کرونا از اواخر سال ۱۳۹۸ تا اواخر سال ۱۴۰۰ مورد بررسی قرار گرفت. شاخصهای مؤثر در این بررسی ابتدا شناسایی و با استفاده از مدل شبکه عصبی مصنوعی پیشنهادی، پیشبینی تعداد گردشگران درمانی برای سال آینده شهر یزد انجامشده است؛ برای بررسی بیشتر از روشهای سری زمانی هم استفاده گردیده است.
یافتهها: با استفاده از بررسیهای انجامشده تعداد گردشگران درمانی ورودی به شهر یزد در ماههای مختلف سال ۱۴۰۲ پیشبینی گردید. همچنین برای بررسی میزان دقت پیشبینیها در شبکه عصبی مصنوعی پیشبینی با مدل سری زمانی هم انجام شد. از نتایج این بررسی مشخص شد که میزان خطای دادههای آموزش در شبکه عصبی مصنوعی و مدل سری زمانی به ترتیب ۰/۰۰۰۶۱۸ و ۰/۰۱۱۱۱۳۱همچنین برای دادههای تست به ترتیب ۰/۰۱۳۳۴۶ و ۰/۰۵۳۱۹۰۲ بود که نشاندهنده برتری روش پیشنهادی است.
نتیجهگیری: با بهرهگیری از پیشبینی تقاضای گردشگران درمانی میتوان با فراهم نمودن زیرساختهای موردنیاز و واقعی گردشگران درمانی و همگون سازی امکانات شهری فعلی و موردنیاز، نسبت به جذب گردشگر بیشتر اقدام نمود که این موضوع منجر به افزایش درآمدهای اقتصادی حاصل و توسعه اقتصادی و اجتماعی شهر میگردد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومى دریافت: 1403/8/14 | انتشار: 1403/12/25