Μονάδα:
Κατεύθυνση Διοίκηση, Αναλυτική και Πληροφοριακά Συστήματα ΕπιχειρήσεωνΒιβλιοθήκη Τμήματος Οικονομικών Επιστημών και Τμήματος Διοίκησης Επιχειρήσεων και Οργανισμών
Ημερομηνία κατάθεσης:
2021-10-20
Συγγραφέας:
Διολέτης Μηνάς
Στοιχεία επιβλεπόντων καθηγητών:
Δρ Σωτήριος Παπακωνσταντίνου, Τμήμα Οικονομικών Επιστημών, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Mphil Θανάσης Αργυρίου, Τμήμα Οικονομικών Επιστημών, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Πρωτότυπος Τίτλος:
Πρόβλεψη καιρού με χρήση μηχανικής εκμάθησης
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Πρόβλεψη καιρού με χρήση μηχανικής εκμάθησης
Περίληψη:
Το περιεχόμενο της εργασίας αυτής αφορά την εφαρμογή όσων διδάχτηκαν στο πρόγραμμα του μεταπτυχιακού σχετικά με τα γραμμικά μοντέλα συν κάτι ακόμα. Πιο συγκεκριμένα, ανάπτυξη μοντέλων με τη χρήση της γλώσσας Python και της μηχανικής μάθησης. Σκοπός είναι η πρόβλεψη της θερμοκρασίας μιας ολόκληρης ημέρας λαμβάνοντας υπόψη 42 χρόνια ιστορικών δεδομένων. Με την ιστορική αναδρομή και την έρευνα πάνω στα παγκόσμια καιρικά μοντέλα έγινε κατανοητό για το πως αυτά φτιάχνονται. Στη συνέχεια, με την περιγραφική στατιστική πάνω στο σύνολο των δεδομένων εξήχθησαν συμπεράσματα σχετικά με την ιστορικότητα του καιρού και την αλλαγή του κλίματος με την πάροδο των χρόνων. Για την εφαρμογή των μεθόδων χρειάστηκε να γίνει μετασχηματισμός στα δεδομένα για να μπορούν εύκολα να διαβαστούν από τους αλγορίθμους αλλά και για να μην υπάρχουν εσφαλμένα αποτελέσματα.
Με την πρώτη μέθοδο, τη γραμμική παλινδρόμηση, επιτεύχθηκε μια αρκετά καλή πρόβλεψη της θερμοκρασίας με συντελεστή προσδιορισμού 0.979 ενώ με τη δεύτερη μέθοδο, τα δίκτυα μακροπρόθεσμης μνήμης, προέκυψε μια καλή πρόβλεψη. Το συμπέρασμα είναι ότι, με ένα απλό μοντέλο και χωρίς να υπάρχει γνώση για τις καιρικές συνθήκες των γύρω περιοχών, μπορεί να γίνει μια πολύ καλή πρόβλεψη.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
Πρόβλεψη, θερμοκρασία, μηχανική εκμάθηση, lstm, Sklearn
Αρ. σελίδων ευρετηρίου:
0
Αρ. βιβλιογραφικών αναφορών:
27
