پیش بینی مصرف آب در سیستم های آب رسانی و توزیع آب ، با توجه به کمک شایانی که می تواند به مدیران این مجموعه ها برای مدیریت (حداقل و حداکثر) داشته باشد، از اهمیت بالایی برخوردار است. فرآیند داده کاوی با استفاده از تکنیک های گوناگون، اطلاعات مفید را از داده ها بیرون می کشد. یکی از کاربردهای مهم داده کاوی، پیش بینی می باشد. تکنیک های مختلفی از قبیل رگرسیون، درخت تصمیم و شبکه عصبی برای انجام این کار وجود دارد. در این پایان نامه با استفاده از روش های داده-کاوی، میزان مصرف آب، تحلیل و پیش بینی می شود. مجموعه داده هایی که برای این کار جمع آوری شد مربوط به استان یزد می باشد که از سال های 1385 تا 1392 توسط مرکز آمار ایران، شرکت آب و فاضلاب و اداره هواشناسی استان یزد جمع آوری شده است. این داده ها شامل متغیرهای مستقلی از جمله جمعیت، دمای هوا، بارندگی و بهای مصرف آب می باشد. همچنین میزان مصرف آب به عنوان متغیر هدف می باشد که خود شامل: مصرف کل، مصرف خانگی، مصرف صنعتی و مصرف تجاری است. این داده ها به صورت سالیانه می باشند. هدف از این پایان نامه، تحلیل میزان مصرف آب در سال های گذشته و پیش بینی مصرف آب در آینده می باشد. تحلیل ها نشان می دهد که مصرف آب خانگی ، بخش زیادی از مصرف کل را در بردارد. برای ساخت مدل در این پایان نامه از نرم افزار وکا استفاده شده است. از روش های پیش بینی موجود در این نرم افزار، بهترین مدل، مربوط به مدل mlp بوده است که دارای خطای نسبی 0.5 درصد می باشد. کلیدواژه : داده کاوی، رگرسیون، شبکه عصبی، دسته بندی، خطای نسبی

در دنیای پزشکی امروز، داده های مربوط به علائم بیماران مبتلا به بیماری های گوناگون و نتایج روش های کمکی برای تشخیص این بیماری ها، بسیار وسیع و گسترده هستند، به طوری که تحلیل و در نظر گرفتن همه جنبه ی کلیه عوامل دخیل توسط یک فرد، دشوار به نظر می آید. اینجاست که نیاز به یک سیستم مکانیزه برای کمک به کشف الگوهای موجود و همچنین کشف خطاهای پزشکی کاملاً احساس می شود. دانش داده کاوی به همراه سیستم تصمیم یار پزشکی کمک های شایانی در پیشرفت های پزشکی به ویژه در زمینه تشخیص بیماری های گوناگون کرده است. در بعضی از بیماری ها در صورت تشخیص دیر هنگام، می توانند به عنوان عوارض جدی و خطرناک و حتی به مرگ منجر شوند، لذا تشخیص به موقع آن ها برای پیشرفت درمان ضروری است. این تحقیق بر آن است تا با استفاده از سه بعد که عبارت اند از ویژگی های بیماران هایپرلپیدمی دیابت، تشخیص عارضه بیماری توسط پزشکان و داروهای تجویز شده موجود در پرونده بیماران؛ الگوها و قوانین تشخیص و تجویز داروهای مربوط به بیماری هایپرلپیدمی دیابت را کشف نموده و سپس نسبت به ویژگی های بیماران جدید داروی مناسب تجویز نماید. نتایج حاصل از تحقیق نشان می دهد که شبکه فازی – عصبی مورد استفاده می تواند با دقت ۹۱٫۱۳ درصد داروی مناسب تجویز نماید.

امروزه، اینترنت به مشتریان امکان می دهد تا نظرات و عقاید خود را در مورد سازمان ها و محصولات بیان نموده و سایر افراد را در مورد تجربه ی خود مطلع کنند. بدین ترتیب تأثیر نظرات مشتریان بر دیگران و موقعیت سازمان غیر قابل چشم پوشی است. در این پایان نامه، با در نظر گرفتن نظرات و عقاید افراد، یک روش مبتنی بر واژه نامه برای استخراج گرایش احساسی افراد نسبت به ویژگی های یک کالا معرفی شده است. هدف از این روش، ایجاد سیستمی جهت کمی سازی نظرات بیان شده به زبان فارسی بر اساس ویژگی های یک کالا است. نتایج استفاده از این سیستم بر روی نظرات فارسی مشتریان در رابطه با نه مدل تلفن همراه در تعیین ارزش هر یک از ویژگی های آنها، نشان می دهد که این سیستم با دقت بالا می تواند ارزش هر ویژگی را از دید هر مشتری و از دید کلیه ی مشتریان به دست آورد.