3-3-3 الگوریتمهای تکاملی…………………… 313-3-3-1 الگوریتم ژنتیک……………………. 33

3-3-3-2 الگوریتم بهینه سازی ازدحام ذرات…………………… 36

3-3-3-3 الگوریتم رقابت استعماری…………………… 38

فصل 4 : روش تحقیق…………………… 43

4-1 فرایند CRISP……………………

4-1-1 تعریف مساله…………………. 43

4-1-2 تحلیل داده ها………………….. 43

4-1-3 آماده سازی داده ها………………….. 44

برای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنیدبرای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنید

4-1-4 مدلسازی…………………… 44

4-1-5 ارزیابی…………………… 44

4-1-6 پیاده سازی…………………… 45

فصل 5: اجرا…………………. 46

5-1 اجرای فرایند CRISP……………………

5-1-1 مجموعه داده ها………………….. 46

5-1-2 کیفیت داده ها و کاهش داده ها………………….. 50

5-1-3 پیاده سازی شبکه عصبی مصنوعی برای سری های زمانی……… 51

5-1-3-1 معماری شبکه عصبی مصنوعی…………………… 51

5-1-3-2 تطبیق ورودی های زمانی به عنوان ورودی شبکه عصبی مصنوعی……. 53

یک مطلب دیگر :

5-1-4 پیاده سازی آموزش شبکه عصبی مصنوعی با الگوریتمهای تکاملی…….. 54

5-1-4-1 الگوریتم ژنتیک……………………. 54

5-1-4-2 الگوریتم بهینه سازی ازدحام ذرات…………………… 55

5-1-4-3 الگوریتم رقابت استعماری…………………… 56

5-1-4 به کارگیری شبکه عصبی مصنوعی آموزش دیده با الگوریتم های تکاملی……. 58

فصل 6 : تحلیل یافته ها، نتیجه گیری و پیشنهاد ها………………….. 60

6-1 نتیجه گیری و پاسخ به سئوالات تحقیق…………………… 60

6-2 تحقیقات پیشنهادی آینده………………….. 64فهرست منابع…………………… 65

پیوست ها ………………….67

پیوست 1: کد شبکه عصبی سری زمانی با آموزش با الگوریتم پیش انتشار خطا…… 67

پیوست 2: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ژنتیک…………. 68

پیوست 3: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ازدحام ذرات………. 71

پیوست 4: کد شبکه عصبی مصنوعی با آموزش با الگوریتم رقابت استعماری……….. 73

چکیده:

تحقیقات بسیاری جهت پیش بینی قابل قبول و قابل اطمینان به کمک روشهای شبیه سازی، تحلیل سری های زمانی، ترکیب روشهای هوش مصنوعی با روش های تحلیل سری های زمانی و در آخرین آنها ترکیب روشهای داده کاوی و هوش مصنوعی با روش های تحلیل سری های زمانی و الگوریتم های بهینه سازی تکاملی در حوزه قیمت سهم در بازار بورس اوراق بهادار صورت گرفته است. در این تحقیق سعی بر آن شده که در قالب فرایند CRISP داده کاوی و با ارجاع به آخرین تحقیقات صورت گرفته، ترکیب شبکه عصبی مصنوعی و الگوریتم های بهینه سازی تکاملی به عنوان مدل پیش بینی قیمت سهم در بازار بورس اوراق بهادار مورد بررسی قرار گیرد. الگوریتم های بهینه سازی تکاملی ژنتیک، ازدحام ذرات و رقابت استعماری در آموزش شبکه عصبی مصنوعی با داده های سری زمانی کاهش یافته قیمت پنج سهم منتخب از بازار بورس اوراق بهادار تهران به کار گرفته شدند و قابل قبول و قابل اطمینان بودن پیش بینی به کمک شبکه عصبی مصنوعی آموزش دیده با الگوریتم ازدحام ذرات بر اساس مقادیر شاخص میزان خطا (mse) پیش بینی شبکه عصبی مصنوعی مورد اشاره به اثبات رسید. همچنین عدم درک آشوب داده ها توسط الگوریتم یادگیری پیش انتشار خطا به چالش کشیده شد.

فصل اول: معرفی تحقیق

2-5-3-2-2- مشترکین بخش تجاری . . . . . . . . . . . . . . . . . . . . . .19

2-5-3-2-3- مشترکین بخش صنعت . . . . . . . . . . . . . . . . . . . . . .19

2-5-3-2-4- مشترکین بخش عمومی . . . . . . . . . . . . . . . . . . . .. . 19

2-5-3-2-5- مشترکین بخش حمل­و­نقل . . . . . . . . . . . . . . . . . . . 20

2-5-3-2-6- مشترکین بخش کشاورزی . . . . . . . . . . . . . . . . . . . .20

2-6 مطالعه و پیش­بینی بار . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .22

2-6-1- الگوی مصرف . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23

2-6-2- پیش­بینی مصرف . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23

2-6-3- عوامل موثر بر مصرف برق . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24

2-6-3-1- شرایط آب­و­هوایی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2-6-3-2- متغیرهای زمانی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .26

2-6-3-3- ویژگی­های محل اقامت مشترک . . . . . . . . . . . . . . . . . . . . . . . . . 27

2-7- داده­کاوی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2-7-1- اهداف داده­کاوی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2-7-2- روش­های داده­کاوی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30

2-7-2-1- دسته ­بندی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2-7-2-2- خوشه­بندی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .31

2-7-2-3- تحلیل وابستگی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .31

2-7-3- فرآیند داده­کاوی ( مدل CRISP-DM ) . . . . . . . . . . . . . . . . . . . . . . . . . .

2-8- چکیده فصل . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .34

فصل سوم: مروری بر ادبیات تحقیق

برای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنیدبرای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنید

3-1- پیشینه تحقیق . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3-2- چکیده فصل . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41

فصل چهارم: روش تحقیق

4-1- مقدمه . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4-2- فرآیند داده­کاوی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .44

4-3- استاندارد CRISP-DM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4-3-1- مرحله درک تجاری . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4-3-2- مرحله درک داده­ها . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46

4-3-3- مرحله پیش­پردازش داده­ها . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .50

4-3-4- مرحله ساختن مدل . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .53

4-3-4-1- الگوریتم C&R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4-3-4-2- الگوریتم CHAID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4-3-4-3- الگوریتم رگرسیون خطی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

4-3-4-4- الگوریتم شبکه عصبی . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4-3-4-5- الگوریتم کوهونن . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .58

4-3-5- مرحله ارزیابی مدل . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

4-3-6- بکارگیری مدل . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61

4-4- چکیده فصل . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .62

فصل پنجم: نتایج و ارزیابی

5-1- مقدمه . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

5-2- نتایج . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

5-2-1- نتایج حاصل از پیش­بینی مصرف برق مشترکین با در نظر گرفتن “تعطیلات” به عنوان عامل موثر  . . . . . 64

5-2-2- نتایج حاصل از پیش­بینی مصرف برق مشترکین با در نظر گرفتن “میانگین ارتفاع سقف ابر” به عنوان عامل موثر . . .  .66

5-2-3- نتایج حاصل از پیش­بینی مصرف برق مشترکین با در نظر گرفتن “کمینه دما و بیشینه دمای موثر” به عنوان عوامل موثر .. . .67

5-2-4- نتایج حاصل از پیش­بینی مصرف برق مشترکین با در نظر گرفتن “تعطیلات، میانگین ارتفاع سقف ابر، کمینه دما و بیشینه دمای موثر” به عنوان عوامل موثر . . . . . . . . .68

5-2-5- مقایسه عملکرد حالت­های مختلف بر اساس معیار ارزیابی میانگین درصد قدرمطلق خطا . . . . . . . . . 71

5-2-6- خوشه­بندی رفتار مصرفی مشترکین برق با در نظر گرفتن عوامل موثر . . . . . . .72

یک مطلب دیگر :

5-3- چکیده فصل . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .76

فصل ششم: نتیجه­گیری و پیشنهادات

6-1- مقدمه . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .77

6-2- یافته­های تحقیق . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .78

6-3- پیشنهاد برای تحقیقات آتی. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

منابع . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

چکیده:

در عصر حاضر به جرات می­توان گفت بشر برای انجام فعالیت­های روزمره و افزایش رفاه زندگی خود، بیش از هر انرژی دیگر از انرژی الکتریکی بهره می­برد. با توجه به مشکل ذخیره­سازی انرژی الکتریکی، پیش­بینی میزان بار مورد نیاز به منظور داشتن یک شبکه توزیع برق مطمئن و پایدار حیاتی است. مشترکین برق یکی از اصلی­ترین ارکان زنجیره عرضه برق می­باشند. هدف این تحقیق پیش­بینی برق مصرفی مشترکین و تحلیل رفتار مصرفی آن­ها تحت تاثیر عوامل آب­و­هوایی و متغیرهای زمانی می­باشد. در صورت داشتن یک پیش­بینی مناسب و دقیق می­توان از هدررفت منابع مالی ناشی از افزایش هزینه­های عملیاتی جلوگیری نمود. از سوی دیگر، با توجه به حجم انبوه داده­های مصرف مشترکین و عوامل موثر، تنها می­توان با استفاده از ابزارهای نوین فن­آوری اطلاعات همچون داده­کاوی به تجزیه­وتحلیل داده­ها پرداخت. ابزار داده­کاوی به استخراج الگوها و دانش پنهان از داده­ها جهت یک پیش­بینی درست می­پردازد.

در این تحقیق، به بررسی و پیش­بینی میزان مصرف برق مشترکین شرکت توزیع نیروی برق آذربایجان غربی می­پردازیم. برای این منظور و با در اختیار داشتن داده­های مصرفی 5595 مشترک طی 12 دوره دوماهه، الگوریتم­های پیش­بینی کننده همچون CHAID، C&R،Regression ،Neural Networks را بر روی داده­های موجود اجرا نموده و نتایج حاصل از اجرای هر الگوریتم بر اساس معیارهای ارزیابی خطای پیش­بینی مانند میانگین درصد قدرمطلق خطا مورد بررسی و مقایسه قرار گرفت. نیز با خوشه­بندی مشترکین با استفاده از الگوریتم Kohonen به بررسی رفتار مصرفی آن­ها پرداخته شد. در نهایت، به نتیجه­گیری و ارائه ­پیشنهادات پرداختیم.

فصل اول: مقدمه و طرح مسئله

1-1- مقدمه

انرژی به طور عام و انرژی الکتریکی به صورت خاص، از ارکان مهم رشد و توسعه اقتصادی جوامع می­باشد. صنعت برق در اقتصاد ملی و تامین رفاه اقتصادی و اجتماعی کشورها ارزش زیادی دارد و جزء صنایع مهم زیربنایی است. اصولا انرژی الکتریکی تمیزترین و بهترین نوع انرژی است که به آسانی می­توان آن را به هر نقطه­ای انتقال داد.

تأمین انرژی الکتریکی همواره یکی از نیازهای جوامع پیشرفته کنونی بوده است. با توجه به پیشرفت­های صورت گرفته در حال­حاضر تقریبا اکثر فعالیت­های روزمره­ی تجاری، پزشکی، صنعتی و … با استفاده از این انرژی صورت می­گیرد. با در نظر گرفتن رشد سریع جوامع، نیاز به تأمین انرژی برق هر چه بیشتر احساس می­گردد.

یکی از مسائلی که در این رابطه حتماً باید مد­نظر قرار گیرد، زمان­بر و هزینه­بر بودن ساخت تأسیسات بزرگ تولید و انتقال انرژی الکتریکی می­باشد. همین امر لزوم پیش­بینی میزان انرژی الکتریکی مورد نیاز در دوره­های بعدی را هر چه بیشتر مشخص می­کند. بنابراین برای داشتن یک شبکه­ی قابل اطمینان باید یک دید کلی از مصرف انرژی در دوره­های مصرف بعدی داشت و با توجه به آن برنامه­ریزی ساخت و نصب تجهیزات گوناگون شبکه­های تولید، انتقال و توزیع را انجام داد. در این راستا مسأله­ی برآورد انرژی الکتریکی از اهمیت بالایی برخوردار می­باشد که دقیق­تر بودن آن به معنی استفاده بهتر از امکانات و جلوگیری از به هدر رفتن سرمایه می­باشد .

در ایران نیز با توجه به نیازهای روزافزون كشور به انرژی و رشد سریع مصرف انرژی، بخصوص انرژی الكتریكی، نیاز به مدیریت و برنامه­ریزی مناسب در جهت تامین این انرژی برای مشتركین از اهمیت بالایی برخوردار خواهد بود.

از سوی دیگر با توجه به تاثیر عوامل متعدد و پیچیده بر میزان مصرف انرژی الکتریکی، شناخت این عوامل و بررسی میزان تاثیر هر گروه از عوامل می­تواند در تدوین الگوها­ی مصرف مطلوب کارا باشد. استفاده از روش­های آماری سنتی با توجه به حجم عظیم اطلاعات کارکرد مشترکین و تعدد عوامل موثر بر مصرف در زمینه برآورد انرژی الکتریکی مورد نیاز بسیار دشوار می­باشد، بنابراین ابزار­ها­ی نوین فن­آوری اطلاعات همچون پایگاه­ داده و داده­کاوی می­تواند با پیش­بینی دقیق میزان مصرف برق و استخراج الگوها و دانش پنهان در اطلاعات مصرفی مشترکین راهکار مناسبی در زمینه­ مدیریت مصرف انرژی الکتریکی باشد.

2-1- بیان مسئله تحقیق

امروزه اهمیت انرژی بر هیچ کسی پوشیده نیست. انرژی در حیات جوامع، نقش زیربنائی را ایفا می­کند و به عنوان عامل اصلی هرگونه فعالیتی به شمار می‌رود. یكی از ویژگی­های دنیای امروز ، استفاده گسترده از انرژی الكتریكی است. انرژی الکتریکی ما را قادر به استفاده از لوازم الکتریکی از جمله لوازم خانگی، رایانه­ها، تجهیزات مخابراتی، پزشکی و حمل­و­نقل، و همه­ی آنچه که کیفیت زندگی را افزایش می­دهد، می­سازد؛ مسلما بسیاری از این لوازم، در زندگی روزمره­ ضروری و حیاتی می­باشند ]6[.

سهولت تبدیل انرژی الکتریکی به سایر انواع انرژی و امکان انتقال سریع آن به نقاط مختلف بر اهمیت استفاده از آن در دنیای مدرن امروزی افزوده وآن را به مهمترین منبع تامین انرژی تبدیل کرده است. این امر موجب گستردگی و مقبولیت استفاده از برق در مصارفی همچون خانگی، تجاری، صنعتی، کشاورزی و سایر مصارف گردیده است. بنابراین سهم و میزان مصرف برق هر یک از بخش­های مصرف­کننده از اهمیت ویژه­ای برخوردار است ]1[. در سراسر جهان، مشترکین خانگی درصد قابل توجهی از مصرف برق را به خود اختصاص می­دهند ]7[. در سال 1390، بخش خانگی 9/30% از کل انرژی برق کشور را مصرف نموده و بعد از بخش صنعت در رتبه دوم مصرف انرژی الکتریکی قرار گرفته است ]5[

برای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنیدبرای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنید

یک مطلب دیگر :

2-4-3- شبکه‌های بیزین…………………. 21

2-4-4- K نزدیک‌ترین همسایه………………… 23

2-4-5- ماشین بردار پشتیبان………………… 24

2-4-6- روش‌های مبتنی بر قانون………………… 28

2-5- الگوریتم بهینه‌سازی ازدحام ذرات………………….. 32

2-5-1- پارامترهای پایه بهینه‌سازی ازدحام ذرات………………….. 35

2-5-2- چالش‌ها و مسائل پیش روی الگوریتم بهینه‌سازی ازدحام ذرات…….. 39

2-5-2-1- مشکل ابعاد بالا………………… 40

2-5-2-2- مشکل همبستگی میان داده‌ها ………………..43

2-5-3- گونه‌های مختلف PSO………………….

2-5-3-1- بهینه‌سازی ازدحام ذرات مبتنی بر شبکه‌های جمعی…………………. 48

2-5-3-1-1- همسایگی مبتنی بر فاصله فضایی…………………. 48

2-5-3-1-2- همسایگی فزاینده……………….. 48

2-5-3-1-3- بهینه‌سازی ازدحام ذرات کاملاً آگاه (FIPS)…………………

2-5-3-2- مدل پیوندی بهینه‌سازی ازدحام ذرات………………….. 50

2-5-3-3- بهینه‌سازی ازدحام ذرات چند جمعیتی…………………. 53

2-6- سیستم‌های فازی…………………. 56

2-6-1- ساختار یک سیستم دسته‌بندی مبتنی بر قوانین فازی……… 57

برای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنیدبرای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنید

2-6-2- دسته‌بندی بدون استفاده از درجه قطعیت………………….. 58

2-6-3- دسته‌بندی با استفاده از درجه قطعیت………………….. 62

2-6-4- استنتاج فازی…………………. 66

2-7- معیار‌های ارزیابی دسته‌بند‌ها……………….. 68

فصل سوم – روش تحقیق…………………. 72

3-1- مقدمه………………… 73

3-2- تبدیل داده‌های حقیقی به ترم‌های فازی…………………. 75

3-3- تولید توابع عضویت و قوانین فازی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات…….. 77

3-3-1- کدگذاری توابع عضویت فازی…………………. 78

3-3-2- کدگذاری قوانین فازی…………………. 80

یک مطلب دیگر :

3-3-3- PSO پیشنهادی…………………. 82

3-3-5- توابع برازش کیفیت قوانین…………………. 87

3-5- نتیجه‌گیری…………………. 90

فصل چهارم – محاسبات و یافته‌های تحقیق…………………. 91

4-1- داده‌های مورد استفاده……………….. 92

4-2- تنظیم پارامترها……………….. 94

4-3- روش‌های استفاده شده به منظور مقایسه………………… 97

4-4- نتایج…………………. 98

4-5- نتیجه گیری…………………. 101

فصل پنجم – نتیجه گیری و پیشنهادات…………………. 102

5-1- خلاصه و نتیجه‌ گیری…………………. 103

5-2- پیشنهادات………………….. 103

منابع:……………….. 105

چکیده:

تشخیص بیماری دیابت و یا آگاهی یافتن از احتمال بالای ابتلا به این بیماری همواره کار آسانی نخواهد بود. چرا که این بیماری علائم متعددی را بروز می‌دهد که بعضی از این علائم در سایر بیماری‌های دیگر نیز وجود دارند. بنابراین پزشک برای اتخاذ یک تصمیم مناسب، باید نتیجه‌ی آزمایش‌های بیمار و تصمیم‌هایی که در گذشته برای بیماران با وضیعت مشابه گرفته است، را بررسی کند.

در این پایان نامه از یک الگوریتم دسته‌بندی مبتنی بر قانون برای دسته‌بندی بیماران دیابتی استفاده شده است. برای استخراج قوانین فازی از یک الگوریتم بهینه سازی ازدحام ذرات استفاده شده است. این الگوریتم دارای ویژگی‌هایی است که آن را از سایر الگوریتم مورد استفاده متمایز می‌کند. از جمله‌ی این ویژگی‌ها می‌توان به تابع افزایش تنوع ذرات و تکامل هم‌زمان توابع عضویت و قوانین فازی اشاره کرد. برای ارزیابی کارایی الگوریتم از مجموعه داده‌ی دیابت استفاده شده است. نتایج ارزیابی‌ها نشان می‌دهد که الگوریتم برای مجموعه داده‌ی دیابت دارای کارایی بسیار بالایی می‌باشد. همچنین کارایی الگوریتم پیشنهادی به علت بالا بردن قابلیت تفسیرپذیری دسته‌بند (کاهش تعداد قوانین فازی) بسیار مناسب می‌باشد.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

افزایش استفاده از کامپیوترها در فعالیت‌های کسب و کار، منجر به رشد سریع پایگاه‌های اطلاعاتی و اجتماع داده‌ها توسط بیشتر سازمان‌ها شده است. روزانه حجم عظیمی از داده‌ها تولید شده و در پایگاه‌های مختلف داده ذخیره می‌شود. در سال‌های اخیر تمایل به جستجو برای کشف الگوهای تکرار‌پذیر به منظور بهبود در تصمیم گیری افزایش چشمگیری داشته است. همچنین کاوش در داده‌های تراکنشی جهت یافتن الگوهای پنهان و تکنیک‌های کشف دانش به منظور شناخت دقیق‌تر و بیشتر تراکنش‌ها، اهمیت بسزایی یافته است. [1]. در حوزه پزشکی و سلامت با افزایش استفاده از سیستم‌های جامع درمانی و پرونده‌های الکترونیک بیمار در بیمارستان‌ها و مراکز درمانی حجم انبوهی از اطلاعات مربوط بیماران و انواع بیماری‌ها مهیا می‌شود. [2]. استخراج دانایی از حجم عظیم داده‌های مرتبط با سوابق بیماری و پرونده‌های پزشکی افراد با استفاده از فرآیند داده‌کاوی می‌تواند منجر به شناسایی قوانین حاکم بر ایجاد، رشد و افت بیماری‌ها گردیده و اطلاعات ارزشمندی را به منظور شناسایی علل وقوع بیماری‌ها با توجه به عوامل محیطی حاکم در اختیار متخصصین و دست اندر کاران حوزه سلامت قرار دهد؛ که این امر در نهایت منجر به افزایش متوسط طول عمر افراد جامعه و ایجاد آرامش می‌گردد. [3].

ما در این تحقیق با تمرکز بر دسته مطالعات انجام شده زمینه رضایت کاربر بر این سوال تمرکز می کنیم که چه ویژگی هایی از سیستم های اطلاعاتی منجر به سطوح بالاتر عملکرد کاربرو به طبع آن موفقیت سیستم اطلاعات می شوند.

2-1- اهمیت پژوهش و استفاده کنندگان

یک مطلب دیگر :

برای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنیدبرای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنید