18588

۱۸۵۸۸

شناسايي و تحليل عوامل موثر بر رفتارهاي مرتبط با مصرف حامل هاي انرژي در بخش خانگي با استفاده از داده كاوي

كارشناسي ارشد

مهندسي فناوري اطلاعات - تجارت الكترونيك

دي ماه ۱۳۹۶

دكتر عبدالرحمن حائري

دكتر محمد فتحيان

صنايع

چكيده انرژي يكي از پايه¬هاي مهم حيات اقتصادي، صنعتي و علمي در جهان مي¬باشد كه نبود آن منجر به ايجاد بحران¬ در ابعاد مختلف زندگي اجتماعي، فردي و صنعت مي¬شود. از اين رو جامعه¬اي پيروز است كه بتواند اين بحران¬ را به تعويق بيندازد و با بهره¬گيري هوشمندانه از فناوري¬هاي جديد، مديريت درست مصرف و الگوهاي مناسب مصرف انرژي را به كار گيرد. اهدف اين پژوهش بدين شرح است: (1) ارائه رويكردي جديد مبتني بر داده كاوي به منظور شناسايي و افشاء دانش با دقت و ژرفاي بيشتر، كه بر روي دو مجموعه داده و با اهداف متفاوت به كار گرفته شد تا بررسي ¬شود كه آيا اين رويكرد كارايي و توانايي لازم جهت كشف دانش با دقت و عمق بيشتري را دارد يا خير. (2) شناسايي عوامل موثر بر مصرف و بهره¬وري انرژي، با استفاده از مجموعه دادهاي در بردارنده اطلاعات مختلفي از ساختمان¬هاي مسكوني. (3) شناسايي عوامل موثر بر رفتارهاي مرتبط با مصرف انرژي خانوارها، در مجموعه داده¬اي شامل اطلاعات جامعي از خانوارهاي آمريكايي. يافته¬ها حاكي از مفيد بودن و كارايي رويكرد پيشنهادي در افشا ناشناخته-هايي با ژرفا و دقت بيشتر مي¬باشد. به علاوه با توجه به اهداف بيان شده عوامل مهمي شناسايي شدند. (4) رويكردي جهت بهبود اشياء خوشه¬ها در سطوح خرد و كلان توسعه داده شده است. اين الگوريتم شامل دو مرحله اصلي كه در چرخه¬اي پي در پي هم منجر به بهبود درون خوشه¬اي و بين خوشه¬اي اشياء خوشه¬ها مي¬شوند، ارائه شده است. در مرحله اول اين الگوريتم اشياء با تغييرات كوچكي درون خوشه خود به عملكرد بهتري دست مي¬يابند. در واقع به مركز خوشه خود نزديك مي¬شوند. در مرحله دوم اشياء به گونه¬اي بهبود مي¬يابند كه به عملكردي بهتر از عملكرد خوشه خود دست يافته و به اشياء خوشه¬ي ديگري شبيه¬تر مي¬شوند. و سپس به خوشه¬اي با عملكرد بهتر منتقل مي¬شوند. مزيت الگوريتم پيشنهادي پويايي آستانه¬هاي آن است كه بسته به اهداف مسئله، بودجه، زمان و... قابل تغيير مي¬باشند. الگوريتم ارائه شده بر روي مصرف انرژي مجموعه داده¬اي از خانوارهاي آمريكا مورد سنجش قرار داده شد. نتايج بيان داشتند كه الگوريتم پيشنهادي علاوه بر بهبود خانوارها در سطوح خرد و كلان كه منجر به كاهش مصرف انرژي گرديد؛ بهبود رفتارهاي مرتبط با مصرف انرژي را نيز به دنبال داشت. كلمات كليدي: داده كاوي، مصرف انرژي، درخت تصميم، قواعد انجمني، بهبود خوشه بندي.

1396/12/16

3/7/2018 12:00:00 AM

Abstract: Energy is one of the major pillars of economic, industrial and scientific life in the world, and its absence leads to a crisis in the various dimensions of social, individual and industrial life. Hence, it is a victorious society that can postpone the crisis and use intelligent utilization of new technologies, proper consumption management and appropriate energy consumption patterns. The purpose of this study is as follows: (1) proposing a new data mining approach to identify and disclose knowledge with greater accuracy and depth, which was deployed on two datasets for different purposes to determine whether this approach has the efficiency and ability to discover knowledge with greater accuracy and depth or not. (2) identifying factors affecting energy consumption and efficiency in residential houses using a dataset which contains various information of residential buildings. (3) identifying and analyze the factors affecting household energy-related behaviors using a dataset, which contains comprehensive information of American households. The findings of this section suggest the usefulness and effectiveness of the proposed approach in exposing unknowns with greater depth and accuracy. In addition, due to the stated objectives, important factors were identified. (4) An algorithm has been developed to improve the objects of clusters at micro and macro levels. This approach is consisting of two main steps, which in a sequential cycle lead to improvement within cluster and improvement between clusters, is presented. In the first step of this algorithm, cluster objects achieve better performance within its cluster by small changes. They actually approach to the center of their cluster. In the second step, the objects improve in such a way that they achieve better performance than their cluster performance and become more similar to another cluster objects. And then transfer to a better performance cluster. The advantage of the proposed algorithm is the dynamism of its thresholds, which can be changed depending on the objectives of the problem, budget, time, etc. The proposed algorithm was measured on the energy consumption of a dataset from American households. The results indicated that the proposed algorithm, in addition to improving households at micro and macro levels, which led to a reduction in energy consumption, also led to improvements in energy-related behaviors. Keywords: Data mining, energy consumption, decision tree, associative rules, clustering improvement.