ارایه روشی نوین مبتنی علم داده کاوی جهت پیش بینی میزان مصرف آب مشترکین

پیش بینی مصرف آب تابعی از پارامترهای مختلف مانند شرایط اقلیمی و هواشناسی، مناسبت های فرهنگی، اقتصادی، اجتماعی و مصارف گذشته است. روش های متعددی برای پیش بینی مصرف آب ارایه شده است که میزان خطای این روش ها زیاد بوده و نتایج آنها دارای میزان صحت کافی نمی باشد. مجموعه داده ایجاد شده مربوط به مشترکین شرکت آبفار استان اصفهان و در بازه ی زمانی سال 88 الی 96 است. هدف تحقیق آن است که با استفاده از پارامترهای روش ماشین بردار پشتیبان و تعیین ضرایب آن به وسیله ی الگوریتم های هوشمند بهینه سازی، میزان خطای پیش بینی مصرف آب کاهش داده شود و عملا پیش بینی مصرف آب با دقت بالاتری صورت پذیرد. برای این منظور، کارایی رگرسیون بردار پشتیبان بهینه سازی شده با الگوریتم ژنتیک ( SVR-GA ) نسبت به رگرسیون بردار پشتیبان ( SVR) بر روی مجموعه داده تحقیق صورت گرفت. معیارهای خطای میانگین مربعات خطا ( MSE )، ریشه میانگین مربعات خطا ( RMSE ) و میانگین درصد خطای مطلق ( MAPE ) برای مقایسه انتخاب شد. نتایج بررسی ها با معیار MAPE نشان داد که الگوریتم SVR_GA نسبت به SVR میزان (2/7%) تخمین بهتری انجام داده است. در معیار MSE نیز یافته ها حکایت از آن دارد که الگوریتم SVR-GA نسبت به الگوریتم SVR نیز 0/2% عملکرد بهتری داشته است. در معیار RMSE یافته ها نشان می دهد که الگوریتم SVR-GA نیز 5/4% نسبت به الگوریتم SVR کارایی مطلوب تری داشته است. بررسی یافته ها بیانگر این مطلب است که الگوریتم روش پیشنهادی مقاله ( SVR-GA ) در هر سه معیار ارزیابی نتایج مطلوب تری نسبت به رگرسیون بردار پشتیبان داشته است.

کلیدواژه ها:

پیش بینی مصرف آب ، رگرسیون بردار پشتیبان ، الگوریتم ژنتیک ، میانگین درصد خطای مطلق ، ریشه میانگین مربعات خطا ، شرکت آبفار