کاربرد داده کاوی در شناسایی عوامل موثر در بروزحوادث

زمینه و هدف: امروزه شناسایی عوامل موثر در بروز حوادث به روش های مختلف از جمله داده کاوی به مثابه پیشگیری از بروز این حوادث به شمار می آید چرا که تصمیم گیری در مورد خطرات تهدید کننده زمینه های مختلف از جمله سلامت، یک مسیله حیاتی و پیچیده می باشد. داده کاوی تلاش برای استخراج دانش از انبوه داده های موجود است که به کمک مجموعه ای از روش های آماری و مدل سازی، می تواند الگوها و روابط پنهان موجود در پایگاه های داده را تشخیص دهد بنابراین به لحاظ اهمیت مساله تمرکز اصلی این مقاله کاربرد روش داده کاوی در شناسایی عوامل موثر و به خصوص عوامل اصلی در بروز حوادث می باشد. روش کار: پژوهش حاضر مطالعه ای مروری است که از طریق جستجو در منابع علمی معتبر و سایر منابع اطلاعاتی انجام گرفته است. در این مقاله سعی شده است تا تکنیک داده کاوی و مراحل مختلف آن که با استفاده از انبوه داده های موجود اقدام به شناسایی عوامل موثر در بروز حوادث می نماید، معرفی شود. یافته ها: داده کاوی، کشف دانش در پایگاه داده ها نامیده می شود و روشی برای کشف اطلاعات سودمند جدید و بالقوه از بین حجم انبوهی از اطلاعات است. هدف ازداده کاوی، شناسایی الگوها و ارتباطات قابل فهم، معتبر، جدید و به طور بالقوه سودمند در داد ه های موجود می باشد. پیدا کردن الگوهای مفید در داده ها با نام های مختلف به عنوان نمونه، استخراج دانش، کشف اطلاعات، برداشت اطلاعات، باستان شناسی داده ها، پردازش الگوی داده ها شناخته شده است و در حال حاضر مهم ترین فناوری جهت بهره برداری موثر از داده های حجیم است. داده کاوی کمک می کند تا سازمان ها با کاوش بر روی داده های یک سیستم, الگوها, روندها و رفتارهای آینده را کشف و پیش بینی کرده و بهتر تصمیم بگیرند. داده کاوی در بازاریابی، بانکداری، بیمه، سیستم های تشخیص نفوذ در شبکه، فروشگاه های زنجیره ای، خدمات الکترونیکی دولت، پزشکی، مخابرات،صنعت، خدمات،آموزش، ورزش و مدیریت ارتباط کاربرد دارد. به پنج دسته اصلی زیر تقسیم می شود الگوریتم وابستگی،الگوریتم خوشه بندی، الگوریتم درخت تصمیم،الگوریتم رگرسیون خطی،الگوریتم بیز، و شامل مراحل شناسایی عوامل موثر بر بروز حادثه، خوشه بندی و طبقه بندی حوادث، کشف قوانین حاکم بر حوادث و پیش بینی نوع حوادث با توجه به عوامل موثر بر بروز آن بوده، که از تکنیک های خوشه بندی به منظور خوشه بندی حوادث با توجه به مشخصه های موجود در هر حادثه، از تکنیک درخت تصمیم برای طبقه بندی حوادث، از تکنیک قوانین همبستگی برای کشف قوانین موجود در حادثه، و در نهایت از تکنیک بیزبرای پیش بینی شرایط وقوع حادثه می توان استفاده کرد.نتیجه گیری: در این مقاله تمرکز اصلی بر توصیف مزایای استفاده از روش داده کاوی در تشخیص خطر و عوامل موثر بر آن برای بهبود کارآیی تصمیم گیری درزمینه حوادث ممکنه است که با توجه به تغییردایمی این عوامل تصمیم گیرندگان با انبوهی از اطلاعات روبرو هستند که با استفاده از این روش می توان راه را برای پیشگیری از خطرات در همه زمینه ها فراهم نمود.

کلیدواژه ها:

داده کاوی ، الگوریتم های داده کاوی ، تشخیص خطر ، عوامل موثر در بروز خطر