سنجش از دور و Gis ایران، جلد ۹، شماره ۲، صفحات ۶۱-۰
عنوان فارسی ارزیابی قابلیت‌های ترکیب الگوریتم‌های مجموعه‌های راف و ژنتیک برای داده‌کاوی و استخراج قوانین مرتبط با آب مصرفی در شهر تهران
چکیده فارسی مقاله مدیریت و برنامه‌ریزی آب شهری، به‌ویژه در کلان‌شهر‌ها، اهمیت بسیار زیادی دارد. توسعه مناطق شهری، تبدیل شهرها به کلان‌شهر و افزایش پیچیدگی عوامل تأثیرگذار در مصرف آب در شهر‌ها سبب دشواری مدیریت مصرف، تأمین و توزیع آب شده است. بنابراین، استخراج قوانین نقش مهمی در کشف الگو‌های حاکم بر مجموعه داده و کاهش پیچیدگی‌ها دارد. اصل نظریه مجموعه‌های راف، که پائولاک در دهه 80 مطرح کرد، روشی توانمند و انعطاف‌پذیر در پردازش داده‌های دارای عدم قطعیت شمرده می‌شود و در این تحقیق، به‌منظور استخراج قوانین حاکم بر مصرف آب، به‌کار رفته است. در این تحقیق، از روش ترکیب الگوریتم‌های مجموعه‌های راف و ژنتیک از روش‌های داده‌کاوی، برای بهبود استخراج قوانین و طبقه‌بندی داده‌های آب مصرفی، با کاربری مسکونی در شهر تهران به‌منزله منطقه مورد مطالعه استفاده شده است. داده‌های مورد استفاده در این تحقیق شامل داده‌های اجتماعی‌ـ اقتصادی، محیطی، اقلیمی و فنی‌ـ مدیریتی می‌شوند. این داده‌ها به دو زیرمجموعه، شامل 60% با هدف آموزش و 40% به‌قصد ارزیابی نتایج، تقسیم شدند. نتایج نشان می‌دهند که تلفیق الگوریتم‌های ژنتیک و مجموعه‌های راف کارآیی بالاتری برای استخراج مؤثر قوانین از داده‌های مصرف آب شهر تهران را دارند. دقت طبقه‌بندی مجموعه داده آزمون، ازطریق قوانین استخراج‌شده از مجموعه‌های راف، 77% بود. پس از بهینه‌سازی قوانین با استفاده از الگوریتم ژنتیک در مجموعه‌های راف، دقت طبقه‌بندی در نسل ششم، با سرعت همگرایی متوسط، به 88% و در نسل دهم، به 92% افزایش یافت. براساس قوانین استخراج‌شده، عوامل مؤثر در مصرف سالیانه آب به‌ترتیب میزان تأثیرگذاری، جمعیت ساکن، آب‌بها، تراکم جمعیت در واحد سطح، بعد خانوار، موقعیت مکانی (عرض جغرافیایی)، تحصیلات ساکنان و سرانه فضای سبز به‌شمار می‌روند.
کلیدواژه‌های فارسی مقاله استخراج قوانین، مجموعه راف، الگوریتم ژنتیک، داده‌کاوی مکانی،
عنوان انگلیسی Evaluation of the Capabilities of Integration of Rough Sets and Genetic Algorithms for Data Mining and Rule Extraction in Domestic Water Usage in Tehran City
چکیده انگلیسی مقاله Management and planning of urban water supply in metropolis is very important. Development of the region urban and make cities to metropolis and increase of effective complex factor on water usage in the cities make consumption management and supply and distribution Water difficult. So rule extraction plays an important role in exploring patterns over data and decreasing complex. Rough Set Algorithm, which was developed in 1980s by Pawlak, is a powerful and flexible method to deal with uncertain and ambiguous data which has been used in this research to extract dominant rules over data set. The method used in this paper is combination of the rough set and genetic algorithms from data mining methods to develop rule extraction and data classification of water usage in Tehran city as the studying area. Socio-economic, environmental, time and water consumption and management zones have been used as the explanatory variables for prediction of the water use that database divided to 2 part 60% for result extraction and 40% as test set. Independent test sets have been used for evaluation of the accuracy of the extracted rules. Results have shown that, combination of the genetic algorithms and Rough Set leads to extraction of more reliable rules. Classification accuracy of the extracted rules from Rough sets was 77 percent. But optimization of rules by combination of the genetic algorithm with Rough sets, resulted in classification accuracy of 88 percent in 6th generation with average speed of convergence. By using the same speed of convergence in the accuracy increased to 92 percent in 10th generation. According to the extracted rules, important effective factors on annual water consumption are respectively the resident population, water price, population density, family size, spatial location (latitude), education levels, and per capita green spaces.
کلیدواژه‌های انگلیسی مقاله استخراج قوانین, مجموعة راف, الگوریتم ژنتیک, داده‌کاوی مکانی
نویسندگان مقاله وحید احمدی |


عباس علیمحمدی |


جلال کرمی |


نشانی اینترنتی http://gisj.sbu.ac.ir/article/download/21082/6796
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/911/article-911-564103.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات