این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۳۳، شماره ۲، صفحات ۸۹-۱۰۶
عنوان فارسی شناسایی و پیش‌بینی رفتار مصرف با استفاده از درخت تصمیم و هرم ارزش مصرف مشترکین
چکیده فارسی مقاله آنچه در شرایط کنونی اهمیت دارد، توجه به الگوی رفتار مصرف آب و شناخت مشترکین و مصرف‌کنندگان با جایگاه بالاتر در هرم ارزش در حوزه سیاست‌گذاری مدیریت مصرف آب است. هرم ارزش، ابزاری است که مشترکین باارزش از نظر مصرف را شناسایی می‌کند، بنابراین کاربرد و اهمیت زیادی در حوزه مدیریت مصرف آب به‌منظور شناسایی مشترکین پرمصرف و کم‌مصرف دارد. ازاین‌رو در این پژوهش به‌منظور شناسایی الگوی رفتاری مصرف مشترکین شرکت آب و فاضلاب شیراز بر مبنای هرم ارزش مصرف آنها و پیش‌بینی مشترکین با جایگاه بالاتر در هرم ارزش، از تکنیک‌های داده‌کاوی استفاده شد. در چارچوب روش پیشنهادی ابتدا داده‌های مربوط به مصرف مشترکین آب شامل مشترکین مسکونی، تجاری و صنعتی، عمومی و اداری، اماکن مذهبی و آموزشی، نظامی و غیردولتی برای 2 سال متوالی از پایگاه داده شرکت آب و فاضلاب شیراز استخراج شد و پس از تعیین تعداد بهینه خوشه با استفاده از شبکه عصبی خودسازمان‌ده و شاخص دیویس بولدین، عملیات خوشه‌بندی با استفاده از الگوریتم K‌میانگین انجام شد. لازم به‌ذکر است که شاخص‌ها و معیارهای خوشه‌بندی مشترکین شامل نوع کاربری، محل سکونت، میزان مصرف، سابقه انشعاب غیرمجاز، تعداد اخطار قطع و زمان پرداخت قبوض هستند که با استفاده از نظر متخصصین مشخص شده‌اند. در ادامه ضمن محاسبه ارزش مصرف مشترکین هر خوشه و ترسیم هرم ارزش مصرف مشترکین، با استفاده از الگوریتم درخت تصمیم به پیش‌بینی و کشف الگوهای رفتاری مشترکین پرداخته شد. نتایج نشان داد که مشترکین شرکت آب و فاضلاب شیراز از نظر الگوی رفتار مصرف در 6 خوشه قرار می‌گیرند که ضمن ترسیم هرم ارزش مصرف، این 6 خوشه در 3 کلاس مشترکین با مصرف زیاد، مشترکین با مصرف متوسط و مشترکین کم‌مصرف دسته‌بندی ‌شدند. پس از پیاده‌سازی درخت تصمیم، صحت درخت برابر با 92/78 بود که بر اساس آن مشترکین این 3 کلاس، 11 الگوی رفتاری داشتند که پیش‎‌بینی کننده نوع مصرف بود. به‌این ترتیب طبق 11 الگوی رفتاری مصرف مشترکین شرکت آب و فاضلاب شیراز می‌توان میزان مصرف مشترکین جدید را پیش‌بینی و جایگاه آن در هرم ارزش را تعیین کرد.
کلیدواژه‌های فارسی مقاله الگوریتم K‌میانگین، داده‌کاوی، شبکه عصبی خودسازمان‌ده، شرکت آب و فاضلاب شیراز، مدیریت مصرف آب، مشترکین آب،
عنوان انگلیسی Identification and Prediction of Consumption Behavior Using Decision Tree and Consumer Value Pyramid
چکیده انگلیسی مقاله What is important in the current situation it is important to pay attention to patterns of the water consumption behavior of subscribers and to identify subscribers and consumers with a higher position in the value pyramid in the field of water consumption management policy. Value pyramid is a tool that identifies valuable customers in terms of consumption, and so, has great application and importance in the field of water consumption management to identify high-consumption and low-consumption customers. Therefore, in the present study, in order to identify the patterns of consumption behavior of Shiraz Water and Wastewater Company subscribers based on their consumption value pyramid and to predict the subscribers with a higher position in the value pyramid, data mining techniques have been used. In the framework of the proposed method, first, the data of water subscribers' consumption including residential, commercial and industrial subscribers, public and administrative, religious and educational sites, military and non-governmental, for two consecutive years, were extracted from the database of Shiraz Water and Wastewater Company. After determining the optimal number of clusters using self-organizing map and Davis Bouldin index, clustering operation is performed using K-Means algorithm. It should be noted that the indicators and criteria for subscriber clustering include the type of use, location, consumption, history of unauthorized branching, number of disconnection notices and time of payment of bills which have been identified using the opinion of experts. Then, while calculating the consumption value of subscribers in each cluster and plotting the subscriber consumption value pyramid, the decision tree algorithm is used to predict and discover the behavioral patterns of subscribers. The results show that Shiraz Water and Wastewater Company subscribers are divided into six clusters in terms of consumption behavior patterns. While drawing the consumption value pyramid, these six clusters are classified into three classes: high consumption subscribers, medium consumption subscribers and low consumption subscribers. After implementing the decision tree, the accuracy of the tree was 78.92 that, according to the results of the decision tree, the subscribers of these three classes have 11 patterns of behavior that predict the type of consumption. Thus, according to the 11 behavioral patterns of the subscribers of Shiraz Water and Wastewater Company, the consumption of new subscribers can be predicted and its position in the value pyramid can be determined.
کلیدواژه‌های انگلیسی مقاله الگوریتم K‌میانگین, داده‌کاوی, شبکه عصبی خودسازمان‌ده, شرکت آب و فاضلاب شیراز, مدیریت مصرف آب, مشترکین آب
نویسندگان مقاله عظیمه مظفری |
کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

علیرضا علی احمدی |
استاد، گروه فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

اعظم مظفری |
کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه پیام‌نور، تهران، ایران

نشانی اینترنتی https://www.wwjournal.ir/article_153332_c95f26409afdc9419d514a3f0de63cb8.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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