ارزیابی قابلیت‌های ترکیب الگوریتم‌های مجموعه‌های راف و ژنتیک برای داده‌کاوی و استخراج قوانین مرتبط با آب مصرفی در شهر تهران

مدیریت و برنامه‌ریزی آب شهری، به‌ویژه در کلان‌شهر‌ها، اهمیت بسیار زیادی دارد. توسعه مناطق شهری، تبدیل شهرها به کلان‌شهر و افزایش پیچیدگی عوامل تاثیرگذار در مصرف آب در شهر‌ها سبب دشواری مدیریت مصرف، تامین و توزیع آب شده است. بنابراین، استخراج قوانین نقش مهمی در کشف الگو‌های حاکم بر مجموعه داده و کاهش پیچیدگی‌ها دارد. اصل نظریه مجموعه‌های راف، که پائولاک در دهه 80 مطرح کرد، روشی توانمند و انعطاف‌پذیر در پردازش داده‌های دارای عدم قطعیت شمرده می‌شود و در این تحقیق، به‌منظور استخراج قوانین حاکم بر مصرف آب، به‌کار رفته است. در این تحقیق، از روش ترکیب الگوریتم‌های مجموعه‌های راف و ژنتیک از روش‌های داده‌کاوی، برای بهبود استخراج قوانین و طبقه‌بندی داده‌های آب مصرفی، با کاربری مسکونی در شهر تهران به‌منزله منطقه مورد مطالعه استفاده شده است. داده‌های مورد استفاده در این تحقیق شامل داده‌های اجتماعی‌ـ اقتصادی، محیطی، اقلیمی و فنی‌ـ مدیریتی می‌شوند. این داده‌ها به دو زیرمجموعه، شامل %60 با هدف آموزش و 40% به‌قصد ارزیابی نتایج، تقسیم شدند. نتایج نشان می‌دهند که تلفیق الگوریتم‌های ژنتیک و مجموعه‌های راف کارآیی بالاتری برای استخراج موثر قوانین از داده‌های مصرف آب شهر تهران را دارند. دقت طبقه‌بندی مجموعه داده آزمون، ازطریق قوانین استخراج‌شده از مجموعه‌های راف، 77% بود. پس از بهینه‌سازی قوانین با استفاده از الگوریتم ژنتیک در مجموعه‌های راف، دقت طبقه‌بندی در نسل ششم، با سرعت همگرایی متوسط، به 88% و در نسل دهم، به 92% افزایش یافت. براساس قوانین استخراج‌شده، عوامل موثر در مصرف سالیانه آب به‌ترتیب میزان تاثیرگذاری، جمعیت ساکن، آب‌بها، تراکم جمعیت در واحد سطح، بعد خانوار، موقعیت مکانی (عرض جغرافیایی)، تحصیلات ساکنان و سرانه فضای سبز به‌شمار می‌روند.