تشخیص ناهنجاری در مصرف آب خانگی با ارائه مدل ترکیبی از تکنیکهای داده کاوی (مطالعه موردی: شهر مشهد)
عنوان مقاله: تشخیص ناهنجاری در مصرف آب خانگی با ارائه مدل ترکیبی از تکنیکهای داده کاوی (مطالعه موردی: شهر مشهد)
شناسه ملی مقاله: ICISE09_087
منتشر شده در نهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها در سال 1402
شناسه ملی مقاله: ICISE09_087
منتشر شده در نهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها در سال 1402
مشخصات نویسندگان مقاله:
سمانه پهلوان - کارشناسی ارشد مهندسی صنایع ، دانشگاه فردوسی مشهد
علیرضا شادمان - دانشیار گروه مهندسی صنایع ، دانشگاه فردوسی مشهد
آیدا کلاته آهنی - دکتری مهندسی صنایع، دانشگاه فردوسی مشهد
خلاصه مقاله:
سمانه پهلوان - کارشناسی ارشد مهندسی صنایع ، دانشگاه فردوسی مشهد
علیرضا شادمان - دانشیار گروه مهندسی صنایع ، دانشگاه فردوسی مشهد
آیدا کلاته آهنی - دکتری مهندسی صنایع، دانشگاه فردوسی مشهد
در سالهای اخیر با افزایش خشکسالیها و کمبود منابع آب شیرین، میزان مصرف بهینه آب بسیار حائز اهمیت قرار گرفته است. از سوی دیگر هزینه های زیرساختهای لازم جهت تولید و توزیع آب شیرین نیز بسیار زیاد است که این سبب توجه بیشتر به مبحث جلوگیری ار هدررفت آب شده است. در حال حاضر آب بدون درآمد در صنعت آب بسیار افزایش یافته که این موضوع نیازمند بررسی انواع مصرف آب در بین مشترکین است. در دنیای امروزه استفاده از تکنیکهای داده کاوی به دلیل تولید اطلاعات باارزش از داده های کم اهمیت، مورد توجه قرار گرفته است. این پژوهش با تکیه بر تکنیکهای داده کاوی و به کارگیری آنها بر روی مجموعه داده آب مصرفی که در بازه زمانی دوساله جمع آوری شده و شامل اطلاعات قبض های آب مشترکین است، به دنبال تعیین ناهنجاریهای مصرف آب در بین آنها برآمده است. در ابتدا بر روی مجموعه داده الگوریتمهای خوشه بندی DBSCAN و OPTICS به طور مجزا پیاده سازی شده و سپس به صورت ترکیبی با الگوریتم Kmeans++ مجدد بر روی مجموعه داده اجرا شدند. در انتها پس از مقایسه شاخصهای ارزیابی درونی و بیرونی خوشه بندی، الگوریتم OPTICS اجرا شده بر روی خوشه های حاصل از الگوریتمKmeans++ بهترین عملکرد را در جهت تعیین مصارف ناهنجار داشته است. شاخص نیمرخ ۰/۸۱، شاخص دیویس بولیدین ۱/۳۵ و شاخص CROD برابر ۰/۹۷ برای این الگوریتم محاسبه شده است.
کلمات کلیدی: هدررفت آب، آب بدون درآمد، تشخیص ناهنجاری، داده کاوی، خوشه بندی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1772892/