| LEADER |
04091nam a22003377a 4500 |
| 001 |
1518414 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 558977
|a المشهراوي، اسلام أحمد حسين
|e مؤلف
|
| 245 |
|
|
|a Electricity Fraud Detection in GED.co. Using Data Mining Techniques Based on Customer's Consumption Patterns
|
| 246 |
|
|
|a الكشف عن الاحتيال والسرقة للكهرباء في شركة توزيع كهرباء غزة وذلك باستخدام تقنيات تنقيب البيانات بالاستناد على أنماط استهلاك العميل
|
| 260 |
|
|
|a غزة
|c 2019
|m 1441
|
| 300 |
|
|
|a 1 - 44
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c الجامعة الإسلامية (غزة)
|f كلية تكنولوجيا المعلومات
|g فلسطين
|o 0137
|
| 520 |
|
|
|a ان الفقدان في الطاقة لأسباب غير فنية لدى شركة توزيع الكهرباء في غزة يعدّ من المشاكل الحقيقية لديها وفشل الانظمة اليدوية الكشف عن حالات التزوير الكهربائية يشير الى الحاجة الضرورية أنظمة قادرة على كشف حالات التزوير و السرقة والذي من شأنه أن يمنح توزيعا متوازناً للكهرباء، ان تقنيات التعلم الآلي و تنقيب البيانات تستخدم على منحىً واسع في تحليل البيانات للتعرف على أنماط السلوك المختلفة ( أنماط السلوك الطبيعية وغير الطبيعية). تهدف هذه الرسالة الى الكشف عن حالات التزوير المبنية على اساس نمط الاستهلاك عن طريق بيانات استهلاك الطاقة الكهربية، سيكون نظام الفواتير وقاعدة بيانات شركة توزيع الكهرباء هم مصدر هذه البيانات، هدفنا هو كشف الاحتيال باستخدام تقنيات تنقيب البيانات للتعرف على أنماط الاستهلاك الطبيعي وغير الطبيعي بناءً على أنماط استهلاك العملاء. في هذا البحث، سوف نستخدم ثلاث ادواتتصنيف هي تقنية آلية المتجهات الداعمة SVM و تقنية الجيران K-NN وتقنية شجرة اتخاذ القرار DECISION TREE لتقييم استهلاك المستهلكين خلال سلسلة مدة زمنية معينة، وتحديد دقة البيانات تصنيف البيانات من خلال مقارنة نتائج التقنيات الثلاثة المستخدمة للوصول لأفضل النتائج . تم استخدام هذه التقنيات في مراحل التصميم والاختبار للنموذج وقياس مدى دقة كل تقنية من التقنيات الثلاثة وقد أحرزت تقنية شجرة اتخاذ القرار أفضل نتيجة في دقة نتائجها حيث كانت النسبة تقارب 88% في اكتشاف حالات السرقة للكهرباء.
|
| 653 |
|
|
|a حالات التزوير الكهربائية
|a تقنيات التعلم الآلي
|a تنقيب البيانات
|a شركات توزيع الكهرباء
|
| 700 |
|
|
|a العجلة، باسم عمر
|g Alijla, Basem O.
|e مشرف
|9 558980
|
| 856 |
|
|
|u 9808-001-010-0137-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9808-001-010-0137-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9808-001-010-0137-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9808-001-010-0137-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9808-001-010-0137-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9808-001-010-0137-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9808-001-010-0137-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9808-001-010-0137-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9808-001-010-0137-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9808-001-010-0137-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9808-001-010-0137-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1031407
|d 1031407
|
