The COVID-19 has placed pandemic modeling at the forefront of the whole world’s public policymaking. Nonetheless, forecasting and modeling the COVID-19 medical waste with a detoxification center of the COVID-19 medical wastes remains a challenge. This work presents a Fuzzy Inference System to forecast the COVID-19 medical wastes. Then, people are divided into five categories are divided according to the symptoms of the disease into healthy people, suspicious, suspected of mild COVID-19, and suspicious of intense COVID-19. In this regard, a new fuzzy sustainable model for COVID-19 medical waste supply chain network for location and allocation decisions considering waste management is developed for the first time. The main purpose of this paper is to minimize supply chain costs, the environmental impact of medical waste, and to establish detoxification centers and control the social responsibility centers in the COVID-19 outbreak. To show the performance of the suggested model, sensitivity analysis is performed on important parameters. A real case study in Iran/Tehran is suggested to validate the proposed model. Classifying people into different groups, considering sustainability in COVID 19 medical waste supply chain network and examining new artificial intelligence methods based on TS and GOA algorithms are among the contributions of this paper. Results show that the decision-makers should use an FIS to forecast COVID-19 medical waste and employ a detoxification center of the COVID-19 medical wastes to reduce outbreaks of this pandemic.

COVID-19 已将大流行病建模置于全球公共政策制定的最前沿。尽管如此，使用 COVID-19 医疗废物的解毒中心对 COVID-19 医疗废物进行预测和建模仍然是一个挑战。这项工作提出了一个模糊推理系统来预测 COVID-19 医疗废物。然后，将人分为五类，根据疾病的症状分为健康人、可疑人、轻度COVID-19疑似人和重度COVID-19疑似人。在这方面，首次开发了一种新的 COVID-19 医疗废物供应链网络模糊可持续模型，用于考虑废物管理的位置和分配决策。本文的主要目的是尽量减少供应链成本、医疗废物对环境的影响、在 COVID-19 爆发期间建立戒毒中心和控制社会责任中心。为了显示建议模型的性能，对重要参数进行了敏感性分析。建议在伊朗/德黑兰进行真实案例研究以验证所提出的模型。将人们分为不同的群体，考虑 COVID 19 医疗废物供应链网络的可持续性，并研究基于 TS 和 GOA 算法的新人工智能方法是本文的贡献之一。结果表明，决策者应使用 FIS 来预测 COVID-19 医疗废物，并使用 COVID-19 医疗废物解毒中心来减少这种流行病的爆发。为了显示建议模型的性能，对重要参数进行了敏感性分析。建议在伊朗/德黑兰进行真实案例研究以验证所提出的模型。将人们分为不同的群体，考虑 COVID 19 医疗废物供应链网络的可持续性，并研究基于 TS 和 GOA 算法的新人工智能方法是本文的贡献之一。结果表明，决策者应使用 FIS 来预测 COVID-19 医疗废物，并使用 COVID-19 医疗废物解毒中心来减少这种流行病的爆发。为了显示建议模型的性能，对重要参数进行了敏感性分析。建议在伊朗/德黑兰进行真实案例研究以验证所提出的模型。将人们分为不同的群体，考虑 COVID 19 医疗废物供应链网络的可持续性，并研究基于 TS 和 GOA 算法的新人工智能方法是本文的贡献之一。结果表明，决策者应使用 FIS 来预测 COVID-19 医疗废物，并使用 COVID-19 医疗废物解毒中心来减少这种流行病的爆发。考虑 COVID 19 医疗废物供应链网络的可持续性并研究基于 TS 和 GOA 算法的新人工智能方法是本文的贡献之一。结果表明，决策者应使用 FIS 来预测 COVID-19 医疗废物，并使用 COVID-19 医疗废物解毒中心来减少这种流行病的爆发。考虑 COVID 19 医疗废物供应链网络的可持续性并研究基于 TS 和 GOA 算法的新人工智能方法是本文的贡献之一。结果表明，决策者应使用 FIS 来预测 COVID-19 医疗废物，并使用 COVID-19 医疗废物解毒中心来减少这种流行病的爆发。