مدل ترکیبی هوشمند تعیین روش مشارکت عمومی- خصوصی صنعت آب و فاضلاب ایران بر مبنای الگوریتم های جمعی درختی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 367

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WWJ-32-1_006

تاریخ نمایه سازی: 12 خرداد 1400

چکیده مقاله:

دسترسی به آب سالم و دفع بهداشتی فاضلاب از ارکان توسعه هر کشور بوده و ضروری است که این طرح ها در کوتاه ترین زمان ممکن تکمیل شود. از سوی دیگر با توجه به ظهور انواع روش های مشارکت عمومی- خصوصی، انتخاب روش مناسب مشارکت، یکی از مسائل مهم بخش آب و فاضلاب بوده و این صنعت همواره نیازمند مدلی برای تصمیم گیری در خصوص نحوه و روش سرمایه گذاری در منطقه و یا طرح خاص بوده است. با توجه به وجود پایگاه داده از اطلاعات پروژه های مشارکتی در بخش آب و فاضلاب، می توان با استفاده از داده های به دست آمده و الگوریتم های کشف الگو و تصمیم گیری داده کاوی، مدل سرمایه گذاری و روش مناسب اجرای پروژه را تعیین کرد. در این پژوهش با بهره گیری از داده های ۱۷۶ پروژه مشارکتی بخش آب و فاضلاب و استفاده از روش اجرای پروژه های داده کاوی یعنی فرایند کریسپ، مدل مشارکت عمومی- خصوصی صنعت آب و فاضلاب استخراج شد. پس از تشریح و درک داده، مراحل پاک سازی و حذف داده های پرت اجرا شده است. در مرحله دسته بندی، با تکنیک های درختی و یادگیری ماشین، طبقه بندی موفقیت و شکست پروژه ها و تحلیل های لازم انجام و شاخص های مشارکت عمومی- خصوصی به ترتیب اولویت استخراج شد. به منظور اعتبار سنجی و تقسیم داده ها، از روش اعتبارسنجی ضربدری استفاده شد. بر مبنای مدل سازی انجام شده و با در نظر گرفتن انواع روش های پیش پردازش و داده کاوی، روش استکینگ با دقت ۲۷/۸۶ درصد، به عنوان روش مناسب پیش بینی و تعیین نوع قرارداد مشارکت عمومی- خصوصی در اجرای هر پروژه بخش آب و فاضلاب معرفی شد. در بخش پیش پردازش نیز روش ترکیبی Connectivity-based Outlier Factor برای حذف داده پرت و شاخص آنتروپی برای انتخاب ویژگی استفاده شد. با توجه به مدل پیشنهادی، علاوه بر معرفی قالب قراردادی مشارکتی مناسب برای اجرای هر گروه از پروژه های بخش آب و فاضلاب و معرفی قالب قراردادی مناسب در هر استان، می توان میزان موفقیت هر طرح را در هر یک از قالب های قراردادی پیش بینی و تاثیر بهبود هر یک از شاخص ها را در افزایش موفقیت پروژه بررسی کرد.

کلیدواژه ها:

نویسندگان

ملیحه اسکندری

دکترای مدیریت فناوری اطلاعات، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

محمدتقی تقوی فرد

دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

ایمان رئیسی وانانی

استادیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

سید سروش قاضی نوری

استادیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Akintoye, A., Hardcastle, C., Beck, M., Chinyio, E. & Asenova, ...
  • Al-Radaideh, Q. A. & Al Nagi, E. ۲۰۱۲. Using data ...
  • Alegre, H. & Association, I. W. ۲۰۰۶. Performance indicators for ...
  • Ali, M. & Qamar, A. M. ۲۰۱۳. Data analysis, quality ...
  • Azhar, S. A. S., Johar, H., Baki, S. R. M. ...
  • Beikzadeh, M. R., Phon-Amnuaisuk, S. & Delavari, N. ۲۰۰۸. Data ...
  • Böhl, C. G. P. ۲۰۰۷. Development of a knowledge based ...
  • Chen, W. S. & Du, Y. K. ۲۰۰۹. Using neural ...
  • Cheng, H., Lu, Y. C. & Sheu, C. ۲۰۰۹. An ...
  • Company, N. W. A. W. ۲۰۰۹. National wastewater financing and ...
  • Delmon, J. ۲۰۱۵. Creating a framework for public-private partnership programs: ...
  • Freund, Y. & Schapire, R. E. ۱۹۹۵. A desicion-theoretic generalization ...
  • Golabchi, M. & Nourzaei, E. A. ۲۰۱۵. Selecting the best ...
  • Hodge, G. A., Greve, C. & Boardman, A. ۲۰۱۰. International ...
  • Jenabi, G. & Mirroshandel, S. A. ۲۰۱۴. Using data mining ...
  • Kirimi, J. M. & Moturi, C. A. ۲۰۱۶. Application of ...
  • Lavrač, N., Bohanec, M., Pur, A., Cestnik, B., Debeljak, M. ...
  • Li, B., Akintoye, A., Edwards, P. J. & Hardcastle, C. ...
  • Li, X., Zhu, Z. & Pan, X. ۲۰۱۰. Knowledge cultivating ...
  • Marzouk, M. & Fayez, E. ۲۰۱۸. Public private partnership projects: ...
  • Mcquaid, R. W. & Scherrer, W. ۲۰۱۰. Changing reasons for ...
  • Mutula, S. M. & Van Brakel, P. ۲۰۰۶. E-readiness of ...
  • Ogwueleka, T. C. & Ogwueleka, F. N. ۲۰۱۰. Data mining ...
  • Qiao, L., Wang, S. Q., Tiong, R. L. & Chan, ...
  • Qiu, Y., Li, J., Huang, X. & Shi, H. ۲۰۱۸. ...
  • Ribeiro, D., Sanfins, A. & Belo, O. ۲۰۱۳. Wastewater treatment ...
  • Rokach, L. ۲۰۱۰. Ensemble-based classifiers. Artificial Intelligence Review, ۳۳, ۱-۳۹ ...
  • Sachs, T., Tiong, R. & Qing Wang, S. ۲۰۰۷. Analysis ...
  • Salman, A. F., Skibniewski, M. J. & Basha, I. ۲۰۰۷. ...
  • Sun, J., Wang, R., Wang, X., Yang, H. & Ping, ...
  • Wen, Y. Y., Huang, W. M., Wu, J., Chen, Y. ...
  • Yu, I., Kim, K., Jung, Y. & Chin, S. ۲۰۰۷. ...
  • Yuan, J., Skibniewski, M. J., Li, Q. & Zheng, L. ...
  • Yuan, J., Wang, C., Skibniewski, M. J. & Li, Q. ...
  • Zhang, X. ۲۰۰۵. Critical success factors for public–private partnerships in ...
  • نمایش کامل مراجع