| شناسایی مشترکین با مصارف غیرمتعارف با استفاده از الگوریتم‌های خوشه‌بندی مبتنی بر چگالی |
| کد مقاله : 1362-IWWA |
| نویسندگان |
|
ایمان مصلحی1، احسان یوسفی خوشقلب1، محمدرضا جلیلی قاضی زاده *2، مهیار خسروی3، هانی غمخوار4 1دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی 2/دانشیار دانشکده مهندسی عمران، آب و محیط زیست دانشگاه شهید بهشتی آب و محیط زیست 3مدیر دفتر تحقیقات و توسعه مدیریت، شرکت آب و فاضلاب استان گلستان 4دانشکده عمران، دانشگاه خوارزمی |
| چکیده مقاله |
| یکی از معضلات و مشکلاتی که شرکت های آب و فاضلاب در سطح کشور با آن مواجه هستند، وجود کنتورهای ; کم انداز و برداشتهای غیر مجاز آب از شـبکه‌های توزیـع توسـط متخلفـان می‌باشـد. هدف اصلی این مقاله، شناسایی مشترکین با مصارف غیرمتعارف (مصارف غیرمجاز و کنتورهای خطادار) با استفاده از روش های مبتنی بر یادگیری ماشین است که از طریق توسعه یک متدولوژی مبتنی بر الگوریتم‌های خوشه بندی مبتنی بر چچگالی در بانک اطلاعاتی مشترکین انجام گردید. برای مطالعه موردی مبتنی بر متدولوژی توسعه داده شده از داده های مصارف مشترکین شهر گرگان که شامل 74113 اشتراک می باشند، استفاده شد. بازه قرائت مشترکین در نواحی 9 گانه شهر گرگان از سال 1395 تا 1399 (5 سال متوالی) است که برای هر مشترک داده‌های قرائت به متوسط ماهیانه تبدیل گردید. علاوه بر این، به منظور شناسایی داده‌های مصارف غیرعادی، مشترکین به سه دسته قطر یک‌دوم، سه‌چهارم و یک اینچ طبقه‌بندی شدند و روش توسعه داده شده بصورت جداگانه برای هریک از این قطرها به کار گرفته شد. متدولوژی توسعه داده شده 2 الگوی مختلف برای مصارف غیرمتعارف شناسایی نمود که بر اساس الگوهای تشخیص داده شده، مشترکین مشکوک به مصارف غیرمتعارف شناسائی شدند. نتایج بدست آمده از این مقاله نشان می‌دهد که استفاده از الگوریتم های یادگیری ماشین و داده های مصارف مشترکین می تواند به عنوان ابزاری کارآمد برای تشخیص مصارف غیرمتعارف مشترکین به کار رود و جایگزین روش‌های هزینه‌بر مانند بازدیدهای میدانی گردد. |
| کلیدواژه ها |
| مصارف غیرمجاز، خوشه بندی مبتنی بر چگالی، یادگیری ماشین، داده های مصرف مشترکین |
| وضعیت: پذیرفته شده |