طراحی مکانیزم برنامه ریزی ساخت مدرسه در ایران برپایه ی کشف دانایی
Abstract
کشور ایران دارای حدود 80000 مدرسه ی دولتی است که ساختمان های آن ها وضعیت کیفی متفاوتی داشته و به سه دسته ی کلی مستحکم، نیازمند مقاوم سازی و تخریبی تقسیم می شوند. برای احداث مدارس جدید و مقاوم سازی مدارس موجود بودجه ی سالانه ای در حدود16000میلیارد ریال در نظر گرفته شده است. تعداد و تنوع زیاد مدارس و همچنین بودجه ی کلانی که در این امر هزینه می شود باعث شده است که تصمیم گیری در خصوص برنامه ریزی و تخصیص منابع، بسیارمهم و پیچیده باشد. ارائه ی یک مکانیزم برنامه ریزی که بتواند به عنوان یک سیستم پشتیبانی از تصمیم(dss) مدیران ارشد این بخش را پشتیبانی کند نقش به سزایی در افزایش ثمربخشی در تخصیص منابع خواهد داشت. این تحقیق در گام اول به ارایه ی کلی یک مدل dss برای برنامه ریزی ساخت مدارس می پردازد که از پایگاه های داده ی موجود و استانداردهای مصوب بهره می گیرد. از آنجا که یکی از مهم ترین پارامترهای موثر بر برنامه ریزی ساخت مدارس اطلاع از وضعیت کیفی ساختمان های موجود و پیش بینی آن برای آینده است رویکرد اصلی پایگاه دانش مورد نیازdss باید مبتنی بر وضعیت کیفی ساختمان ها باشد. بنابراین برای مشخص کردن وضعیت کیفی ساختمان ها با استفاده از مشخصات فنی آن ها مدل های دسته بندی تولیدشد. این مدل های دسته بندی سه دسته ای برای سه نوع وضعیت کیفی ساختمان توسط سه الگوریتم شبکه ی عصبی، svm و esxبا استفاده از داده های استان آذربایجان غربی تولید گردید. قواعد و الگوهایی با میزان صحت و پوشش بالا کشف شد که می توانند برای مدیران ارشد مفید و مورد استفاده باشند. هرسه الگوریتم ذکر شده، در مرحله ی آزمایش میزان صحت بالای هفتاد درصد را به دست دادند، که الگوریتم شبکه ی عصبی در این بین از دقت بالاتری برخوردار بود. سپس با ارائه ی مفهوم جدید سازگاری دسته ها در مدل های دسته بندی بیش از دو دسته، موضوع ادغام دسته های سازگار برای لایه های بالاتر برنامه ریزی پیشنهاد و دو دسته ی ساختمان های نیازمند مقاوم سازی و تخریبی به عنوان دسته های سازگار مشخص شدند. این دو دسته در سطحی بالاتر، ساختمان های فاقد استحکام به حساب خواهند آمد. بعد از آن دو مدل برای تعیین وضعیت کیفی یک ساختمان با استفاده از سه الگوریتم فوق و بر اساس دو مدل ادغام دسته های سازگار قبل و بعد از تولید مدل دسته بندی، پیشنهاد شد. پس از مقایسه ی نتایج، مدل ادغام دسته های سازگار بعد از ساخت مدل برای هر سه الگوریتم نسبت به مدل دیگر برتری نشان داد. این برتری به صورت شهودی بر پایه ی مفهوم دورریز دانش در مدل ادغام قبل از ساخت مدل نیز توضیح داده شد. برای پیش بینی وضعیت کیفی ساختمان های فعلی درسال های آینده، مشخصه ی سن به عنوان تنها مشخصه ی متغیر درنظر گرفته شد و بر این مبنا مدل اولیه ی پیش بینی ارائه گردید. این مدل وضعیت کیفی ساختمان ها را با افزودن سن آن ها، توسط مدل سه دسته ای شبکه ی عصبی پیش بینی می کند. پس از اجرای مدل برای داده های استان، وضعیت کیفی برخی از ساختمان ها درسال های آینده بهتر از وضعیت فعلی شان محاسبه شد، که غیرقابل قبول می باشد. برای رفع این اشکال، مفهوم یک طرفگی در پیش بینی مبتنی بر دسته بندی، پیشنهاد گردید و یک مدل پیش بینی هدایت شده با رعایت روابط یک طرفگی بین دسته ها ارائه شد. بر این اساس وضعیت کیفی ساختمان های استان به وسیله ی مدل پیشنهادی جدید برای پنج سال بعد محاسبه گردید. درپایان با استفاده از داده هایی که در آموزش مدل های دسته بندی به کار نرفته بود، مدل پیشنهادی بر اساس نظر خبرگان اعتبارسنجی شد که دقتی معادل هشتاد درصد را نشان داد.