شناسایی و پیش بینی رفتار مصرف با استفاده از درخت تصمیم و هرم ارزش مصرف مشترکین

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 279

فایل این مقاله در 18 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-33-2_007

تاریخ نمایه سازی: 19 مرداد 1401

چکیده مقاله:

آنچه در شرایط کنونی اهمیت دارد، توجه به الگوی رفتار مصرف آب و شناخت مشترکین و مصرف کنندگان با جایگاه بالاتر در هرم ارزش در حوزه سیاست گذاری مدیریت مصرف آب است. هرم ارزش، ابزاری است که مشترکین باارزش از نظر مصرف را شناسایی می کند، بنابراین کاربرد و اهمیت زیادی در حوزه مدیریت مصرف آب به منظور شناسایی مشترکین پرمصرف و کم مصرف دارد. ازاین رو در این پژوهش به منظور شناسایی الگوی رفتاری مصرف مشترکین شرکت آب و فاضلاب شیراز بر مبنای هرم ارزش مصرف آنها و پیش بینی مشترکین با جایگاه بالاتر در هرم ارزش، از تکنیک های داده کاوی استفاده شد. در چارچوب روش پیشنهادی ابتدا داده های مربوط به مصرف مشترکین آب شامل مشترکین مسکونی، تجاری و صنعتی، عمومی و اداری، اماکن مذهبی و آموزشی، نظامی و غیردولتی برای ۲ سال متوالی از پایگاه داده شرکت آب و فاضلاب شیراز استخراج شد و پس از تعیین تعداد بهینه خوشه با استفاده از شبکه عصبی خودسازمان ده و شاخص دیویس بولدین، عملیات خوشه بندی با استفاده از الگوریتم K میانگین انجام شد. لازم به ذکر است که شاخص ها و معیارهای خوشه بندی مشترکین شامل نوع کاربری، محل سکونت، میزان مصرف، سابقه انشعاب غیرمجاز، تعداد اخطار قطع و زمان پرداخت قبوض هستند که با استفاده از نظر متخصصین مشخص شده اند. در ادامه ضمن محاسبه ارزش مصرف مشترکین هر خوشه و ترسیم هرم ارزش مصرف مشترکین، با استفاده از الگوریتم درخت تصمیم به پیش بینی و کشف الگوهای رفتاری مشترکین پرداخته شد. نتایج نشان داد که مشترکین شرکت آب و فاضلاب شیراز از نظر الگوی رفتار مصرف در ۶ خوشه قرار می گیرند که ضمن ترسیم هرم ارزش مصرف، این ۶ خوشه در ۳ کلاس مشترکین با مصرف زیاد، مشترکین با مصرف متوسط و مشترکین کم مصرف دسته بندی شدند. پس از پیاده سازی درخت تصمیم، صحت درخت برابر با ۹۲/۷۸ بود که بر اساس آن مشترکین این ۳ کلاس، ۱۱ الگوی رفتاری داشتند که پیش‎ بینی کننده نوع مصرف بود. به این ترتیب طبق ۱۱ الگوی رفتاری مصرف مشترکین شرکت آب و فاضلاب شیراز می توان میزان مصرف مشترکین جدید را پیش بینی و جایگاه آن در هرم ارزش را تعیین کرد.

کلیدواژه ها:

الگوریتم K میانگین ، داده کاوی ، شبکه عصبی خودسازمان ده ، شرکت آب و فاضلاب شیراز ، مدیریت مصرف آب ، مشترکین آب

نویسندگان

عظیمه مظفری

کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

علیرضا علی احمدی

استاد، گروه فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

اعظم مظفری

کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه پیام نور، 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 :
  • Aghababaei, A. & Shahrabi, J. ۲۰۱۲. Application of data mining ...
  • Azhar, S. A. S., Johar, H., Baki, S. R. M. ...
  • Azimi, V., Vakilifard, A. & Asadi, A. ۲۰۱۵. Evaluation of ...
  • Berry, M. J. & Linoff, G. S. ۲۰۰۴. Data Mining ...
  • Boyle, C. E., Eskaf, S., Tiger, M. W. & Hughes, ...
  • Castellano, I. M. ۲۰۲۰. Water Scarcity in the American West, ...
  • Chen, X., Yang, S. H., Yang, L. & Chen, X. ...
  • Cho, Y. ۲۰۱۶. A watershed water quality evaluation model using ...
  • Davidson, I. ۲۰۰۲. Understanding K-Means Non-Hierarchical Clustering. Suny Albany, Technical ...
  • Davies, D. L. & Bouldin, D. W. ۱۹۷۹. A cluster ...
  • Díaz, J. L., Herrera, M., Izquierdo, J. & Pérez-García, R. ...
  • Dutta, P. & Chaki, R. ۲۰۱۲. A survey of data ...
  • Ebrahimi, P. & Naderi, H. ۲۰۰۱. Study and evaluation of ...
  • Foster, H. S. & Beattie, B. R. ۱۹۸۱. On the ...
  • Garcia, X., Ribas, A. Llausàs, A. & Saurí, D. ۲۰۱۳. ...
  • Gu, Q., Deng, J., Wang, K., Lin, Y., Li, J., ...
  • Humaid, E. H. ۲۰۱۲. A data mining based fraud detection ...
  • Jahanpour, K. & Nosrati, G. ۲۰۱۵. An overview of data ...
  • Kazemi, Z. ۲۰۱۵. Applying process mining to improve knowledge management ...
  • Kojury Naft Chali, M. & Fereydonian, A. ۲۰۱۵. Identifying the ...
  • MacQueen, J. ۱۹۶۷. Some methods for classification and analysis of ...
  • Maleki Nasab, A., Abrishamchi, A. & Tajrishi, M. ۲۰۰۷. Evaluation ...
  • Monika, C. & Amarpreet, K. ۲۰۱۸. A comparative study of ...
  • Noori, A., Banihabib, M. E. & Soltani, J. ۲۰۱۵. Determining ...
  • Rathnayaka, K., Maheepala, S., Nawarathna, B., George, B., Malano, H., ...
  • Sabouhi, M. & Noubakht, M. ۲۰۰۹. Estimating the water demand ...
  • Wen, Y. Y., Huang, W. M., Wu, J., Chen, Y. ...
  • Willis, R. M., Stewart, R. A., Giurco, D. P., Talebpour, ...
  • Yurekli, K., Taghi Sattari, M., Anil, A. & Hinis, M. ...
  • نمایش کامل مراجع