تکنیک های داده کاوی در تحلیل پایگاه داده های حوادث

دانلود تحقیق کامپیوتر

تکنیک های داده کاوی در تحلیل پایگاه داده های حوادث

مقدمه تکنیک های داده کاوی در تحلیل پایگاه داده های حوادث

داده کاوی شامل تکنیک های متنوعی می باشد که می تواند در دو گروه دسته بندی شود:

•    تکنیک های کلاسیک مانند آمارها و مجاورت
•    تکنیک های نسل بعدی مانند درخت تصمیم گیری و قوانین انجمنی 

۱-۷-۲- تکنیک های کلاسیک
۱-۱-۷-۲- آمارها:
به طورکلی در  بررسی پایگاه داده حوادث، گروه بندی رکوردها با مقادیر مشابه، به شناسایی الگوها کمک خواهد کرد. برای مثال محاسبه ی تعداد رکوردها یی که علت  اصلی حادثه، خطای انسانی است  (Anand, Keren, Tretter, Wang, O’Connor, & Mannan, 2006).

در فرآیند اکتشاف پایگاه-داده، زمانی استفاده از آمار سودمند است که نیاز به اطلاعات زیر باشد:

•    شناسایی الگوها در پایگاه داده.
•    پیشگویی احتمال رخدادهایی که اتفاق خواهند افتاد.
•    شناسایی الگوهای مهم، مانند پیوند بین علل و وقایع.
•    توسعه ی مدل های پیش بینی.

۲-۱-۷-۲- مدل های رگرسیون:
تکنیک های سنتی مانند مدل رگرسیون، در پیدا کردن معیاری بین یک متغیر هدف و متغیرهای وابسته  مفید هستند. فهمیدن کاربردهای عملی مدل های رگرسیون در پایگاه داده حوادث مشکل است.

۳-۱-۷-۲ نزدیکترین همسایگی :
نزدیکترین همسایگی، یک تکنیک پیشگویی است که مقدار یک متغیر مورد نیاز را برطبق مقادیر این متغیر، در حالت های دیگری که خصوصیات مشابه دارند پیش بینی می-کنند.

پایگاه داده های حوادث:

آژانس های عظیم و گروه های علاقه مند، هرکدام برطبق اهداف و مقصود خود به جمع آوری داده های حوادث می-پردازند. آژانس حفاظت از محیط امریکا(EPA )، نیازمند امکانات پوششی، تحت برنامه ی مدیریت ریسک-(RMP ) می باشد تا بتواند حوادث را با توجه به یک سری از معیارها و امکانات گزارش دهد. این اطلاعات در بخش های ۵ ساله جمع آوری شده اند. مجموعه داده ها با رکوردهایی از سال ۱۹۹۵ تا ۱۹۹۹ قبلا به  صورت عمومی بر روی وب سایت EPA موجود بودند اما به دنبال رخدادهای ۱۱ سپتامبر، این مجموعه داده، دیگر به صورت عمومی موجود نمی باشد. به علاوه تکه ای از داده ها که شامل رکوردهایی از سال ۱۹۹۹ تا ۲۰۰۴ می باشند هرگز به صورت عمومی آشکار نشدند (Keren, Anand, & Mannan, 2006). 

در حالی که پایگاه داده حوادث   RMP-EPA موجود نمی باشد، دو منبع دیگر به صورت عمومی موجود است:

۱٫    آژانسی برای نمونه مواد سمی و ثبت بیماری ها-( ATSDR).
۲٫    “نمونه های خطرناک و پایش رخدادهای خیلی خیلی فوری”، مجموعه داده (HSEES ) و گارد ساحلی آمریکا “مرکز پاسخگویی ملی”، پایگاه داده ( NRC).

HSEES، شامل داده هایی با کیفیت بالا و معتبر می باشد. محدودیت اصلی HSEES اینست که موادی که درگیر در یک حادثه هستند ثبت نمی شود. به علاوه داده ها فقط از ۱۵ ایالت آمریکا جمع آوری شده اند که درواقع مجموعه داده نسبتا کوچکی می شود  (Keren, Anand, & Mannan, 2006).مرکز پاسخگویی ملی(NRC)، نقطه ی ائتلافی برای تمامی گزارشات مرتبط با نفت، مواد شیمیایی، رادیولوژی، بیولوژی و تخلیه اتولوژی به درون محیط، در هر مکانی درآمریکا و سرزمین های تحت قلمرویش می باشد. NRC، ۲۴ ساعت در شبانه روز، ۷ روز در هفته و ۳۶۵ روز سال فعال است. به  علاوه گزارشات به صورت عمومی جمع آوری می شوند، این گزارشات به مکان جغرافیایی خاصی محدود نیستند و با توافقنامه های انجام شده با چندین آژانس دیگر، این اطلاعات دراختیار گارد ساحلی امریکا قرار می گیرند. 

داده های جمع آوری شده توسط NRC به شکل فایل های Excel برروی وب سایت NRC موجود هستند(از سال ۱۹۸۲ تا ۲۰۱۰ ). در این زمینه یک حکم قانونی وجود دارد که اگر ماده شیمیایی آزاد شده در محیط، بالاتر از حد تعیین شده باشد باید به این پایگاه داده گزارش شود (Keren, Anand, & Mannan, 2006).یکی از مشکلات سیستم NRC-IRIS جمع آوری گزارشات حوادث، نزدیک به زمان وقوع حادثه است که باعث می شود تا رکوردهای پایگاه داده، اغلب دارای مستند سازی خوبی نباشند. علاوه برآن تعداد زیادی رکورد تکراری برای هر گزارش ایجاد می شود، زیرا هر شخصی به آسانی می-تواند حادثه را به پایگاه داده گزارش دهد و به عنوان یک رکورد جدید ثبت کند. یکی دیگر از محدودیت های پایگاه داده NRC، نبود جزئیات حوادث است. به طور مثال نمی توان به کمک این داده ها، علت اصلی حوادث را مورد بررسی قرارداد (Anand, Keren, Tretter, Wang, O’Connor, & Mannan, 2006).

فهرست مطالب
۱۶-۵-۲- داده کاوی    ۱۸
۱-۱۶-۵-۲- اهداف داده کاوی     ۱۸
۶-۲- پایگاه  داده های حوادث    ۱۹
۷-۲-  تکنیک های داده کاوی در تحلیل پایگاه داده های حوادث    ۲۱
۱-۷-۲- تکنیک های کلاسیک    ۲۱
۱-۱-۷-۲- آمار    ۲۱
۲-۱-۷-۲- مدل های رگرسیون    ۲۲
۳-۱-۷-۲- نزدیکترین همسایگی    ۲۲
۲-۷-۲- تکنیک های نسل بعدی    ۲۲
۱-۲-۷-۲- درخت تصمیم گیری    ۲۲
۲-۲-۷-۲- قوانین انجمنی    ۲۳
۸-۲-  تکنیک های داده کاوی استفاده شده در این تحقیق    ۲۵
۱-۸-۲- رده بندی    ۲۵
۲-۸-۲- خوشه  بندی    ۲۶

منابع