ارزیابی قابلیت های ترکیب الگوریتم های مجموعه های راف و ژنتیک برای داده کاوی و استخراج قوانین مرتبط با آب مصرفی در شهر تهران
Publish place: Remote Sensing and Iran GIS، Vol: 9، Issue: 2
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 198
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-9-2_004
تاریخ نمایه سازی: 9 آبان 1400
Abstract:
مدیریت و برنامه ریزی آب شهری، به ویژه در کلان شهر ها، اهمیت بسیار زیادی دارد. توسعه مناطق شهری، تبدیل شهرها به کلان شهر و افزایش پیچیدگی عوامل تاثیرگذار در مصرف آب در شهر ها سبب دشواری مدیریت مصرف، تامین و توزیع آب شده است. بنابراین، استخراج قوانین نقش مهمی در کشف الگو های حاکم بر مجموعه داده و کاهش پیچیدگی ها دارد. اصل نظریه مجموعه های راف، که پائولاک در دهه ۸۰ مطرح کرد، روشی توانمند و انعطاف پذیر در پردازش داده های دارای عدم قطعیت شمرده می شود و در این تحقیق، به منظور استخراج قوانین حاکم بر مصرف آب، به کار رفته است. در این تحقیق، از روش ترکیب الگوریتم های مجموعه های راف و ژنتیک از روش های داده کاوی، برای بهبود استخراج قوانین و طبقه بندی داده های آب مصرفی، با کاربری مسکونی در شهر تهران به منزله منطقه مورد مطالعه استفاده شده است. داده های مورد استفاده در این تحقیق شامل داده های اجتماعی اقتصادی، محیطی، اقلیمی و فنی مدیریتی می شوند. این داده ها به دو زیرمجموعه، شامل ۶۰% با هدف آموزش و ۴۰% به قصد ارزیابی نتایج، تقسیم شدند. نتایج نشان می دهند که تلفیق الگوریتم های ژنتیک و مجموعه های راف کارآیی بالاتری برای استخراج موثر قوانین از داده های مصرف آب شهر تهران را دارند. دقت طبقه بندی مجموعه داده آزمون، ازطریق قوانین استخراج شده از مجموعه های راف، ۷۷% بود. پس از بهینه سازی قوانین با استفاده از الگوریتم ژنتیک در مجموعه های راف، دقت طبقه بندی در نسل ششم، با سرعت همگرایی متوسط، به ۸۸% و در نسل دهم، به ۹۲% افزایش یافت. براساس قوانین استخراج شده، عوامل موثر در مصرف سالیانه آب به ترتیب میزان تاثیرگذاری، جمعیت ساکن، آب بها، تراکم جمعیت در واحد سطح، بعد خانوار، موقعیت مکانی (عرض جغرافیایی)، تحصیلات ساکنان و سرانه فضای سبز به شمار می روند.
Keywords:
Authors
وحید احمدی
کارشناس ارشد GIS و سنجش از دور، دانشگاه تربیت مدرس
عباس علیمحمدی
دانشیار گروه مهندسی GIS، دانشگاه صنعتی خواجه نصیرالدین طوسی
جلال کرمی
استادیار گروه سنجش از دور و GIS، دانشگاه تربیت مدرس
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :