بررسی یک مدل اپیدمیک فازی ریاضی برای انتشار ویروس کرونا در یک جمعیت

[1] پارسامنش م.، عرفانیان م.، اکرمی ع.، «مدل‌سازی انتشار بیماری‌های عفونی: ریاضیات و جمعیت»، ابن سینا، جلد 22، شماره 4، ص. 60-74، 1399.
[2] پارسامنش م.، عرفانیان م.، «دینامیک سراسری یک مدل ریاضی برای انتشار بیماری‌های عفونی با نرخ انتشار غیرخطی اشباع»، مدل‌سازی پیشرفته ریاضی، جلد 11، شماره 1، ص. 69-81، 1400.
[3] اکرمی ع.، پارسامنش م.، «مقایسه عدد مولد پایه فازی و غیرفازی در یک مدل اپیدمی برای انتشار ویروس در شبکه‌های کامپیوتری»، سیستم‌های فازی و کاربردها، جلد 2، شماره 2، ص. 109-122، 1398.
[4] آخوندی ر.، حسینی ر.، «ارایه مدل هوشمند هایبریدی فازی-تکامل ژنتیکی تفاضلی در یک سیستم خبره فازی برای پیش‌بینی خطر ابتلا به بیماری قلبی»، مجله محاسبات نرم، جلد 6، شماره 2، ص. 32-47، 1396.
[5] عباسی ح.، شمسی م.، رسولی کناری ع.، «راهکارهای تشخیص عملکرد کاربران و ارائه روشی برای تعیین میزان خطر رفتار غیرمعمول کاربران در خانه هوشمند مبتنی بر منطق فازی»، مجله محاسبات نرم، جلد 9، شماره 2، ص. 2-13، 1399.
[6] مرادی فراهانی ح.، عسگری ج.، ذکری م.، «مروری بر منطق فازی نوع-2: از پیدایش تا کاربرد»، مجله محاسبات نرم، جلد 2، شماره 1، ص. 22-43، 1392.
[7] Parsamanesh M., “The role of vaccination in controlling the outbreak of infectious diseases: a mathematical approach,” Vaccine research, 5(1): 32-40, 2018, https://doi.org/10.29252/vacres.5.1.32.
[8] Urso D.L., “Coronavirus disease 2019 (COVID-19): a brief report,” Clinical Management Issues 14(1): 15–19, 2020, https://doi.org/10.7175/cmi.v14i1.1467.
[9] Leon U.A., Perez A., and Vales E., “An SEIARD epidemic model for COVID-19 in Mexico: mathematical analysis and state-level forecast,” Chaos Solitons Fractals, 140: 110-165, 2020, https://doi.org/10.1016/j.chaos.2020.110165.
[10] Roosa K., Lee Y., Luo R., Kirpich A., Rothenberg R., Hyman J.M., Yan P., and Chowell G., “Short-term forecasts of the COVID-19 epidemic in Guangdong and Zhejiang, China,” Journal of Clinical Forensic Medicine, 9(2): 13–23, 2020, https://doi.org/10.3390.jcm9020596.
[11] Nuraini N., Khairuddin K., and Apri M., “Modeling simulation of COVID-19 in Indonesia based on early endemic data,” Communication in Biomathematical Sciences, 3(1): 1–8, 2020, https://doi.org/10.5614/cbms.2020.3.1.1.
[12] Ahmar A.S. and Val E.B., “Sutte-ARIMA: short-term forecasting method, a case: Covid-19 and stock market in Spain,” Science of the Total Environment, 729: 13-38, 2020, https://doi.org/10.1016/j.scitotenv.2020.138883.
[13] He S., Peng Y., and Sun K., “SEIR modeling of the COVID-19 and its dynamics,” Nonlinear Dynamics, 101: 1667–1680, 2020,  https://doi.org/10.1007/s11071-020-05743-y.
[14] Godio A., Pace F., and Vergnano A., “SEIR modeling of the Italian epidemic of SARS-CoV-2 using computational swarm intelligence,” International Journal of Environmental Research Public Health, 17(10): 3535, 2020, https://doi.org/10.3390/ijerph17103535.
[15] Ajbar A. and Alqahtani R.T., “Bifurcation analysis of a SEIR epidemic system with governmental action and individual reaction,” Advances in Difference Equations, 541, 2020, https://doi.org/10.1186/s13662-020-02997-z.
[16] Annas S., Pratama M.I., Rifandi M., Sanusi W., and Side S., “Stability analysis and numerical simulation of SEIR model for pandemic COVID-19 spread in Indonesia,” Chaos Solitans Fractals, 139, 2020, https://doi.org/10.1016/j.chaos.2020.110072.
[17] Awais M., Alshammari F.S., Ullah S., Khan M.A., and Islam S., “Modeling and simulation of the novel coronavirus in Caputo derivative,” Results in Physics, 19, 2020, https://doi.org/10.1016/j.rinp.2020.103588.
[18] Khan M.A. and Atangana A., “Modeling the dynamics of novel coronavirus (2019-nCov) with fractional derivative,” Alexandria Engineering Journal, 59(4): 2379–2389, 2020, https://doi.org/10.1016/j.aej.2020.02.033.
[19] Khan M.A., Atangana A., Alzahrani E., and Fatmawati, “The dynamics of COVID-19 with quarantined and isolation,” Advances in Difference Equations, 425, 2020, https://doi.org/10.1186/s13662-020-02882-9.
[20] Barros L.C., Bassanezi R.C., and Leite M.B.F., “The SI epidemiological models with a fuzzy transmission parameter,” Computers and Mathematics with Applications, 45: 1619–1628, 2003, https://doi.org/10.1016/S0898-1221(03)00141-X.
[21] Jafelice R., Barros L.C., Bassanezei R.C., and Gomide F., “Fuzzy modeling in symptomatic HIV virus infected population,” The Bulletin of Mathematical Biology, 66: 1597–1620, 2004, https://doi.org/10.1016/j.bulm.2004.03.002.
[22] Massad E., Burattini M.N., and Ortega N.R.S, “Fuzzy logic and measles vaccination: designing a control strategy,” International Journal of Epidemiology, 28: 550–557, 1999, https://doi.org/10.1093/ije/28.3.550.
[23] Massad E., Ortega N.R.S., Barros L.C., and Struchiner C.J., Fuzzy Logic in Action: Applications in Epidemiology and Beyond, Studies in Fuzziness and Soft Computing, Springer, Berlin, 2008, https://doi.org/10.1007/978-3-540-69094-8.
[24] Verma R. and Tiwari R.K., Dynamical behaviors of fuzzy SIR epidemic model. In: Advances in Fuzzy Logic and Technology, Springer, 2017, https://doi.org/10.1007/978-3-319-66827-7_45.
[25] Massad E., Ortega N.R.S., de Barros L.C., and Struchiner C.J., “Fuzzy Dynamical Systems in Epidemic Modeling,” In: Fuzzy Logic in Action: Applications in Epidemiology and Beyond. Studies in Fuzziness and Soft Computing, 232, Springer, Berlin, Heidelberg, 2008, https://doi.org/10.1007/978-3-540-69094-8_9.
[26] Mondal P.K., Jana S., Haldar P., and Kar T.K., “Dynamical behavior of an epidemic model in a fuzzy transmission,” International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 23(5): 651–665, 2015, https://doi.org/10.1142/S0218488515500282.