سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,037
تعداد مشاهده مقاله125,509,208
تعداد دریافت فایل اصل مقاله98,772,426
کریمی, تورج. (1394). به‌کارگیری تئوری مجموعه‌های راف در تحلیل نتایج ممیزی انرژی. , 7(2), 365-384. doi: 10.22059/imj.2015.57205
تورج کریمی. "به‌کارگیری تئوری مجموعه‌های راف در تحلیل نتایج ممیزی انرژی". , 7, 2, 1394, 365-384. doi: 10.22059/imj.2015.57205
کریمی, تورج. (1394). 'به‌کارگیری تئوری مجموعه‌های راف در تحلیل نتایج ممیزی انرژی', , 7(2), pp. 365-384. doi: 10.22059/imj.2015.57205
کریمی, تورج. به‌کارگیری تئوری مجموعه‌های راف در تحلیل نتایج ممیزی انرژی. , 1394; 7(2): 365-384. doi: 10.22059/imj.2015.57205

به‌کارگیری تئوری مجموعه‌های راف در تحلیل نتایج ممیزی انرژی

مدیریت صنعتی
مقاله 8، دوره 7، شماره 2، تیر 1394، صفحه 365-384    اصل مقاله (346.75 K)
نوع مقاله: مقاله علمی پژوهشی
شناسه دیجیتال (DOI): 10.22059/imj.2015.57205
نویسنده
تورج کریمی*
دکتری تولید و عملیات، دانشکدۀ مدیریت، دانشگاه تهران، تهران، ایران
چکیده
 هدف از این تحقیق، استخراج مدل قوانین مربوط به داده­های حاصل از ممیزی انرژی ساختمان­ها به‌کمک تئوری راف است. تئوری راف دارای الگوریتم‌های قدرتمندی است که امکان تحلیل داده‌ها را فراهم می‌کند. ابزارهای استفاده‌شده در این تئوری می‌تواند با ارزش‌های نادقیق و داده‌های غیرقطعی کار کرده و واقعیت‌های پنهان در داده‌ها را کشف کند. ازآنجاکه قسمتی از گزارش‌های ممیزی انرژی ساختمان مربوط به سنجش سطح آسایش ساکنان ساختمان از نظر وضعیت سرمایش و گرمایش است و بخش دیگر داده‌ها مربوط به بررسی‌های فنی ساختمان است، در این تحقیق یک مشخصة تصمیم مربوط به سطح آسایش ساکنان و یازده مشخصة موقعیتی مربوط به جنبه‌های فنی ساختمان تحلیل شده و استنتاج قوانین به‌کمک نرم‌افزار ROSETTA صورت گرفته است. با توجه به الگوریتم‌های مختلف تکمیل داده‌ها، گسسته کردن مقادیر و تولید بی‌زائده، براساس شرایط تحقیق چهار مدل از قوانین ساخته شده و به‌روش اعتبارسنجی موازی نتایج مدل‌ها ارزیابی شده است. در مجموع بهترین مدل با ۱۴ قانون و دقت پیش‌بینی ۸/۹۹ درصد انتخاب شده است. نتایج این مدل نشان داد که مهم‌ترین مشخصۀ فنی هر ساختمان «متراژ فضای کنترل‌نشده» است و با اطلاع از مقدار این مشخصه می‌توان سطح آسایش کارکنان در ساختمان را با دقت زیادی پیش‌بینی کرد.
کلیدواژه‌ها
استنتاج قوانین؛ مجموعه‌های راف؛ ممیزی انرژی ساختمان؛ ROSETTA
مراجع
  1. Ahmadvand, A.M., Ghaderi, S.F., Boustanpour, H.R., (2010), The analysis of residential energy consumption in Iran using system dynamic. Second International Conference on Computer Modeling and Simulation.
  2. Clarke, E.J. and Barton, B.A., (2000), Entropy and MDL Discretization of Continuous Variables for Bayesian Belief Networks, Int’l J. Intelligent Systems, 15, 61-92.
  3. Gaojun, L., Yan, Z., (2006), Credit Assessment of Contractors: A Rough Set Method, Tsinghua Science and Technology ISSN 1007-0214 13/16 pp357-362, Volume 11.
  4. Grzymala-Busse, J.W. and Stefanowski, J., (2001), Three Discretization Methods for Rule Induction, Int’l J. Intelligent Systems, 16 (1): 29-38,.
  5. Hitchcock, G., (1993) , An integrated framework for energy use and behaviour in the  domestic sector, Energy  and  Buildings,  151-157.
  6. Jian, L., Liu, S., Lin, Y., (2011), Hybrid Rough Sets and Applications in Uncertain Decision-Making. by Taylor and Francis Group, LLC.
  7. Karimi, T., Sadeghi moghadam, M, (2014), Rough Set and Grey Set Theory: principles, applications and softwares, Tehran, First edition, Mehraban nashr, (in persion).
  8. Liu, S., Lin, Y., (2010), Grey Systems Theory and Applications, Springer-Verlag Berlin Heidelberg.
  9. Ludl, M.-C., and Widmer, G., (2000), “Relative Unsupervised Discretization for Association Rule Mining,” Proc. Fourth European Conf. Principles of Data Mining and Knowledge Discovery (PKDD), 148-158,.
  10. Lutzenhiser, L., (2008), setting the stage: why behavior is important. Overview of address given to the behavior, energy and climate change conference, November 7–9 2007, Sacramento CA, delivered to California Senate June.
  11. Michalik, G., Mielczarski, W., (1996), Modeling of Energy Use Patterns in the Residential Sector Using Linguistic Variables. 0-7803-3 115-x/96$5.0001996 IEEE.
  12.  Razavi, M., Mehregan, M., Shakori, H., Karimi, T., (2012) Analyzing Energy Consumption of Organizational Buildings Using Grey Set Theory, Industrial management, in peress.
  13. Ruiz, F.J., Angulo, C., and Agell, N., (2008), IDD: A Supervised Interval Distance-Based Method for Discretization, IEEE Trans. Knowledge and Data Eng., 2 (9): 1230-1238.
  14. Smith, M. G., & Bull, L. (2003). Feature construction and selection using genetic programming and a genetic algorithm. Proceedings of the 6th European Conference on Genetic Programming (EuroGP 2003), 229–237.
  15. Starzyk, J. A., Nelson, D. E., & Sturtz, K. (2000). A Mathematical Foundation for Improved Reduct Generation in Information Systems. Journal of Knowledge and Information Systems, 2 (2): 131-146.
  16. Stephenson, J., Barton, B., Carrington, G., Gnoth, D., Lawson, R., Thorsnes, P., (2010), Energy cultures: A framework for understanding energy behaviours. Energy Policy, doi:10.1016/j.enpol.2010.05.069.
  17. Yu, Z., Fung, C.M., Haghighat, F., Yoshino, H., Morofsky, E., (2011), A systematic procedure to study the influence of occupant behavior on building energy consumption, Energy and Buildings, 43, 1409–1417.
  18. Zhong, N., Dong, J., & Ohsuga, S., (2001). Using Rough Sets with Heuristics for Feature Selection. Journal of Intelligent Information Systems, Vol. 16, No. (3):199–214.
  19. Zou, Z., Tseng, T.L., Sohn, H., Song, G., Gutierrez, R., (2011), A rough set based approach to distributor selection in supply chain management, Expert Systems with Applications 38 , 106–115.
آمار
تعداد مشاهده مقاله: 2,427
تعداد دریافت فایل اصل مقاله: 1,234





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب