تشخیص خرابی کنتورگاز با استفاده از ترکیب الگوریتم های داده کاوی درخت تصمیم و شبکه عصبی

امروزه داده کاوی در بسیاری از شاخه های علمی و صنعتی به منظور کشف حقایق و دانش های نهفته کاربرد گسترده ای یافته است. یکی از مسائلی که شرکت های مانند گاز، برق و آب با آن مواجه هستند خرابی کنتور می باشد که هزینه های مختلفی را برای این شرکت ها در پی دارد. بویژه در شرکت گاز معمولا هر 7 سال یکبار تمامی کنتورهای مشترکین از نظر سلامتی کنترل می شوند و این کار با حضور نیروی انسانی در محل کنتور و انجام تست هایی صورت می پذیرد که هزینه زمانی و مالی قابل توجهی دارد. این مقاله با هدف کشف کنتورهای خراب با استفاده از پایگاه داده مصرف مشترکین سعی کرده است الگوریتم های مختلف داده کاوی و یا ترکیب آنها را مورد ارزیابی قرار دهد و بتواند ضمن حل مسئله، بهترین راهکار با دقت بالا را ارائه دهد. این تحقیق بر اساس فرآیند CRISP-DM داده کاوی در محیط نرم افزاری Rapid Miner صورت گرفت و الگوریتم ترکیبی درخت تصمیم و شبکه عصبی با دقت 43، 93% حداقل خطا در تشخیص کنتورهای خراب را نشان داد.

Keywords:

داده کاوی , روش ترکیبی , درخت تصمیم , شبکه عصبی , مدل فرآیند CRISP-DM121 , خرابی کنتور