شناسایی عوامل موثر در مصرف انرژی خانگی به کمک روش‌های داده‌کاوی

باتوجه به افزایش جمعیت و اینکه منابع انرژی رو به کاهش است، در این تحقیق به مطالعه انرژی مصرفی خانگی پرداخته شده است. هدف از این پژوهش پیش‌بینی عوامل موثر بر انرژی مصرفی خانگی می‌باشد. برای این پیش‌بینی از سه الگوریتم قواعدm5 ، نزدیک‌ترین همسایه و جنگل تصادفی استفاده شده است که در نرم افزار weka موجود می‌باشد. در این پژوهش از الگوریتم ارزیابی همبستگی ویژگی‌ها برای انتخاب بهترین عوامل نیز استفاده شده است. این الگوریتم مهمترین عوامل موثر بر انرژی مصرفی و میزان تاثیر آنها را مشخص می‌کند. نتایج حاصل از این بررسی نشان می‌دهد که چراغ‌ها و وسایل روشنایی، درجه حرارت و دما در اتاق نشیمن، درجه حرارت و دما در خارج از ساختمان، درجه حرارت و دما در خارج از ایستگاه هواشناسی چیورس، سرعت وزیدن باد، رطوبت در منطقه آشپزخانه و درجه حرارت و دما در محل لباسشویی بیشترین تاثیر را در مصرف انرژی خانگی دارد. همچنین از بین الگوریتم‌های آزموده شده، جنگل تصادفی بهترین نتیجه را به‌دست می‌دهد.

Identifying Factors Affecting Household Energy Consumption Using Data Mining Methods

Due to increasing population and decreasing energy sources, this research studies the consumption of domestic energy. The purpose of this study is to predict the factors affecting household energy consumption. To do this, we use 3 algorithms, M5Rules, Knearest neighbor and random forest, available in Weka software. In this study, the feature correlation algorithm is used to select the most important factors affecting energy consumption and their impact. The results show that lights and fixtures, temperature of the living room, outside temperature, temperature outside of Chievres Station, wind speed, humidity in the kitchen and the temperature in the laundry area have the most impact on household energy consumption. Among the methods, random forest algorithm presented the best results.