fa شناسایی عوامل موثر در مصرف انرژی خانگی به کمک روش‌های داده‌کاوی مديريت انرژي، بهینه سازی و اصلاح الگوی مصرف Energy Management, Conservation and Rational Use of Energy كاربردي Applicable <span style="font-family:B Mitra;"><span style="font-size:11.0pt;">باتوجه به افزایش جمعیت و اینکه منابع انرژی رو به کاهش است، در این تحقیق به مطالعه انرژی مصرفی خانگی پرداخته شده است. هدف از این پژوهش پیش‌بینی عوامل مؤثر بر انرژی مصرفی خانگی می‌باشد. برای این پیش‌بینی از سه الگوریتم قواعد</span></span><span dir="LTR">M5 </span><span style="font-family:B Mitra;"><span style="font-size:11.0pt;">، نزدیک‌ترین همسایه و&nbsp; جنگل تصادفی استفاده شده است که در نرم افزار&nbsp; </span></span><span dir="LTR">weka</span><span style="font-family:B Mitra;"><span style="font-size:11.0pt;"> &nbsp;موجود می‌باشد. در این پژوهش از الگوریتم ارزیابی همبستگی ویژگی‌ها برای انتخاب بهترین عوامل نیز استفاده شده است. این الگوریتم مهمترین عوامل مؤثر بر انرژی مصرفی و میزان تأثیر آنها را مشخص می‌کند. نتایج حاصل از این بررسی نشان می‌دهد که چراغ‌ها و وسایل روشنایی، درجه حرارت و دما در اتاق نشیمن، درجه حرارت و دما در خارج از ساختمان، درجه حرارت و دما در خارج از ایستگاه هواشناسی چیورس،&nbsp; سرعت وزیدن باد، رطوبت در منطقه آشپزخانه و درجه حرارت و دما در محل لباسشویی بیشترین تأثیر را در مصرف انرژی خانگی دارد. همچنین از بین الگوریتم‌های آزموده شده،&nbsp; جنگل تصادفی بهترین نتیجه را به‌دست می‌دهد.</span></span><span style="font-family:B Mitra;"></span> Due to increasing population and decreasing energy sources, this research studies the consumption of domestic energy. The purpose of this study is to predict the factors affecting household energy consumption. To do this, we use 3 algorithms, M5Rules, K-nearest neighbor and random forest, available in Weka software. In this study, the feature correlation algorithm is used to select the most important factors affecting energy consumption and their impact. The results show that lights and fixtures, temperature of the living room, outside temperature, temperature outside of Chievres Station, wind speed, humidity in the kitchen and the temperature in the laundry area have the most impact on household energy consumption. Among the methods, random forest algorithm presented the best results. انرژی مصرفی خانگی, الگوریتم M5Rules, الگوریتم نزدیکترین همسایه, الگوریتم جنگل تصادفی, ارزیابی همبستگی ویژگی‌ها, وسایل روشنایی, دما, ایستگاه هواشناسی چیورس. Household Energy Consumption, M5Rules Algorithm, K-NN, Random Forest Algorithm, Correlation Evaluation of Properties, Lighting Devices, Temperature, Chievers Weather Station. 25 45 http://necjournals.ir/browse.php?a_code=A-10-2230-1&slc_lang=fa&sid=1 Reyhane Sadat Hafezifard ریحانه السادات حافظی فرد hafezifard.reyhaneh@gmail.com 10031947532846005710 10031947532846005710 No Yazd University دانشگاه یزد Jamal Zarepour-Ahmadabadi جمال زارع‌پور احمدآبادی zarepoujamal@yazd.ac.ir 10031947532846005711 10031947532846005711 Yes Yazd University دانشگاه یزد Elham Abbasi الهام عباسی هرفته e.abbasi@yazd.ac.ir 10031947532846005712 10031947532846005712 No Yazd University دانشگاه یزد