فهرست نشریات علمی دسترسی آزاد ایران

باتوجه به نقش مهم رویکردهای پیش­بینانه در کاهش هزینه‌­های نگهداری تعمیرات، هدف از انجام پژوهش، ارائه مدل پیش­بینی ریسک­‌های بحرانی و اولویت­‌دار بر پایه الگوریتم­‌های داده­‌کاوی است. روش داده­‌کاوی پژوهش بر اساس روش CRISP طرح‌­ریزی شده است. مدل‌سازی داده­‌ها بر پایه داده‌­کاوی «توصیفی» و«پیش­بینی» و استفاده از الگوریتم­‌های خوشه‌­بندی و طبقه­‌بندی است. شاخص سیلوئیت مبنای خوشه‌­بندی در نظر گرفته شده و از الگوریتم‌­های 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 ویژگی­‌های اصلی برای انجام طبقه­‌بندی و پیش­بینی ریسک­‌ها تعیین شد. الگوریتم­‌های شبکه عصبی، درخت C.5، نزدیک‌ترین همسایگی و بردار پشتیبان برای طبقه‌­بندی استفاده شده است. در این پژوهش، الگوریتم­ ترکیبی پیش­بینی به‌صورت تکاملی به‌کارگیری شده و در هر مرحله، هدف تقویت میزان صحت و اعتبار مدل طبقه­‌بندی و افزایش یادگیری داده­‌ها است. نتایج پژوهش، یادگیری در56/97 درصد از داده­‌های موردتوافق را نشان داده و میزان صحت و اعتبار مدل ترکیبی برای طبقه­‌بندی داده‌­ها، 86/92 درصد برآورد شده است. بر اساس نتایج، 13 ریسک، بحرانی تشخیص داده شده‌­اند که در این میان «انتشار گازهای آلاینده و مواد شیمیایی» و «عدم‌­آموزش و توجیه­‌نبودن پیمانکاران نسبت به موقعیت شبکه» به‌­ترتیب بیشترین و کمترین اولویت را دارد.