محمدصادق بهروز

باتوجه به نقش مهم رویکردهای پیش بینانه در کاهش هزینه های نگهداری تعمیرات، هدف از انجام پژوهش، ارائه مدل پیش بینی ریسک های بحرانی و اولویت دار بر پایه الگوریتم های داده کاوی است. روش داده کاوی پژوهش بر اساس روش CRISP طرح ریزی شده است. مدل سازی داده ها بر پایه داده کاوی «توصیفی» و«پیش بینی» و استفاده از الگوریتم های خوشه بندی و طبقه بندی است. شاخص سیلوئیت مبنای خوشه بندی در نظر گرفته شده و از الگوریتم های Two Step، Kohnen و K-Means استفاده شده است. بهترین مقدار، مبتنی بر الگوریتم K-Means برابر 6446/0 با تعداد خوشه 5 بود و ویژگی های اصلی برای انجام طبقه بندی و پیش بینی ریسک ها تعیین شد. الگوریتم های شبکه عصبی، درخت C.5، نزدیک ترین همسایگی و بردار پشتیبان برای طبقه بندی استفاده شده است. در این پژوهش، الگوریتم ترکیبی پیش بینی به صورت تکاملی به کارگیری شده و در هر مرحله، هدف تقویت میزان صحت و اعتبار مدل طبقه بندی و افزایش یادگیری داده ها است. نتایج پژوهش، یادگیری در56/97 درصد از داده های موردتوافق را نشان داده و میزان صحت و اعتبار مدل ترکیبی برای طبقه بندی داده ها، 86/92 درصد برآورد شده است. بر اساس نتایج، 13 ریسک، بحرانی تشخیص داده شده اند که در این میان «انتشار گازهای آلاینده و مواد شیمیایی» و «عدم آموزش و توجیه نبودن پیمانکاران نسبت به موقعیت شبکه» به ترتیب بیشترین و کمترین اولویت را دارد.