| سنجش وابستگی در داده‌های با ابعاد بالا برای پایش هوشمند آب و فاضلاب |
| کد مقاله : 1487-IWWA |
| نویسندگان |
|
عاطفه کنعانی * رئیس اداره رفاه درمان و بیمه |
| چکیده مقاله |
| گسترش سامانه‌های پایش برخط، حسگرهای چندپارامتری و ثبت مستمر اطلاعات موجب افزایش تعداد متغیرهای قابل استفاده در مدیریت سامانه‌های آب و فاضلاب شده است. در بسیاری از این سامانه‌ها تعداد متغیرهای اندازه‌گیری‌شده می‌تواند از تعداد مشاهدات معتبر بیشتر باشد و مسئله داده‌های با ابعاد بالا ایجاد شود. هدف این مقاله ارائه چارچوبی آماری برای سنجش وابستگی در چنین داده‌هایی و استفاده از نتایج آن در پایش هوشمند آب و فاضلاب است. در روش پیشنهادی، ابتدا با استفاده از تصویرسازی تصادفی، داده‌های با ابعاد بالا به فضاهای با بعد پایین‌تر منتقل شده و وابستگی متغیر هدف با مجموعه متغیرهای توضیحی بررسی می‌شود. سپس برای شناسایی متغیرهای مؤثر، آزمون‌های همزمان و روش هولم به‌کار گرفته شده و متغیرهای منتخب وارد مدل‌های پیش‌بینی می‌شوند. برای ارزیابی چارچوب، شبیه‌سازی با 300 مشاهده، 1000 متغیر و 12 متغیر مؤثر واقعی انجام شد و عملکرد رگرسیون ریج و مدل گرادیان تقویتی قبل و بعد از غربالگری مقایسه گردید. در 10 تکرار شبیه‌سازی، تعداد متوسط متغیرهای انتخاب‌شده 10/1 متغیر بود. میانگین خطای جذر میانگین مربعات رگرسیون ریج از 2/135 به 1/992 و برای مدل گرادیان تقویتی از 2/150 به 2/123 کاهش یافت. نتایج نشان می‌دهد ترکیب سنجش وابستگی، کنترل آزمون‌های چندگانه و یادگیری ماشین می‌تواند فضای متغیرها را کاهش داده و به توسعه مدل‌های قابل‌تفسیرتر برای پایش هوشمند کیفیت آب و فاضلاب کمک کند. |
| کلیدواژه ها |
| داده‌های با ابعاد بالا، پایش هوشمند، ضریب همبستگی چندگانه، انتخاب ویژگی، کیفیت آب، یادگیری ماشین |
| وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |
