محمدصادق بهروز

محمدصادق بهروز

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۴ مورد از کل ۴ مورد.
۱.

مدیریت کنش گرایانه ریسک شبکه انتقال گاز با داده کاوی و فرایند تصمیم مارکوف(مقاله علمی وزارت علوم)

کلید واژه ها: ارزیابی ریسک مدلسازی ریاضی داده کاوی فرایند تصمیم مارکوف شبکه انتقال گاز

حوزه های تخصصی:
تعداد بازدید : ۱۲۲ تعداد دانلود : ۱۱۸
هدف پژوهش، ارائه مدل پیش بینی ریسک های بحرانی و اولویت دار شبکه انتقال گاز و انتخاب اقدام کنترلی بهینه از نظر زمان و هزینه است. در این پژوهش، پیش بینی ریسک ها با الگوریتم های داده کاوی بر اساس متدلوژی CRISP انجام شده و برای خوشه بندی از الگوریتم K-Means, Kohnen, Two Step و در ادامه ، از الگوریتم های شبکه عصبی، درخت C.5، نزدیک ترین همسایگی و بردار پشتیبان برای طبقه بندی بهره گیری شده است. اقدام کنترلی بهینه با فرایند تصمیم مارکوف انتخاب و مسئله تصمیم گیری بر اساس استقرای بازگشتی برنامه ریزی پویای احتمالی زمان محدود مدل سازی و شبیه سازی شده و تحلیل حساسیت و اعتبارسنجی مدل صورت پذیرفته است. بر اساس نتایج، در 56/97 درصد  از داده های موردتوافق، یادگیری ایجاد شده و صحت و اعتبار مدل داده کاوی، 92/86 درصد برآورد شده است. همچنین 13 ریسک، بحرانی تشخیص داده شده اند و نتایج شبیه سازی مدل ریاضی نیز، نرخ بهبود را 92 درصد در هزینه و 77 درصد در زمان اجرای اقدام کنترلی نشان می دهد.  
۲.

ارائه مدل پیش بینی ریسک های بحرانی شبکه انتقال گاز با استفاده از الگوریتم های داده کاوی(مقاله علمی وزارت علوم)

کلید واژه ها: ارزیابی ریسک نگهداری و تعمیرات مدل سازی داده کاوی شبکه انتقال گاز

حوزه های تخصصی:
تعداد بازدید : ۱۹۱ تعداد دانلود : ۱۷۵
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.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان