Συντάχθηκε 03-10-2017 13:41
από Nektarios Arnaoutakis
Email συντάκτη: narnaoutakis<στο>tuc.gr
Ενημερώθηκε:
-
Κύρια: ΕΤΕΠ ΜΠΔ.
Άλλες ιδιότητες: απόφοιτος προπτυχιακός ΜΠΔ, απόφοιτος ΜΔΕ/Διδ. ΜΗΧΟΠ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
Ονοματεπώνυμο: Ευδοκία Μακρίδη
Αριθμός Μητρώου: 2011010131
Θέμα
Τίτλος στα Ελληνικά: Πρόβλεψη Κατανάλωσης Ενέργειας ανα Πηγή Ενέργειας στις Η.Π.Α. με χρήση του μοντέλου πρόβλεψης ANFIS
Τίτλος στα Αγγλικά : Forecasting of various energy sources by ANFIS
Εξεταστική Επιτροπή:
Επιβλέπων: κ. Ατσαλάκης Γ.
Πρώτο Μέλος: κ. Ζουπουνίδης Κ.
Δεύτερο Μέλος: κ. Τσαφαράκης Σ.
Περίληψη
Περίληψη της εργασίας στα Ελληνικά: Ο ρόλος του ερευνητή, μηχανικού είναι να επιτυγχάνει επιστημονική περιγραφή του αντικειμένου που μελετά, να το επεξηγεί και να το αναλύει στο μέγιστο δυνατό βαθμό και στη συνέχεια να πραγματοποιεί επιστημονική πρόγνωση/πρόβλεψη του τι μέλει γενέσθαι. Στο επίπεδο που έχει φτάσει ο τομέας της παραγωγής και της διοίκησης, χρειάζεται βραχυπρόθεσμος και μακροπρόθεσμος προγραμματισμός αυτών των διαδικασιών, ο οποίος επιτυγχάνεται με τη χάραξη τακτικών και στρατηγικών. Στόχος αυτής της εργασίας είναι ο σχεδιασμός ενός μοντέλου μακροπρόθεσμης πρόβλεψης για την κατανάλωση ενέργειας ανά πηγή ενέργειας στις ΗΠΑ, χρησιμοποιώντας ένα υβριδικό μοντέλο πρόβλεψης που η λογική του διέπεται από τη θεωρία των νευρωνικών δικτύων και της ασαφούς λογικής. Τα δεδομένα που θα εισαχθούν είναι των τελευταίων 69 χρόνων και εκφράζουν την ετήσια ποσότητα ενέργειας που καταναλώθηκε ανά πηγή στις ΗΠΑ, μετρημένη σε Quadrillion Btu (british thermal unit). Είναι εξαιρετικά κομβικής σημασίας η δυνατότητα πρόβλεψης της κατανάλωσης και της επικείμενης ζήτησης της ενέργειας, διότι από την πορεία και τις διακυμάνσεις της, εκτός από τη βελτίωση της οργάνωσης για την παραγωγή , εξάγονται και σημαντικά συμπεράσματα για την οικονομία της χώρας συνολικά. Το συγκεκριμένο μοντέλο ANFIS (Adaptive neuro fuzzy inference system) διαφέρει από τα συμβατικά μοντέλα πρόβλεψης που η λογική τους βασίζεται στη στατιστική. Έχει εξακριβωθεί ότι σε πολύπλοκα προβλήματα με πολλούς παράγοντες και παραμέτρους τέτοιου είδους μοντέλα εξάγουν αντικειμενικά και ακριβέστερα αποτελέσματα απ΄ ότι τα συμβατικά μοντέλα.
Περίληψη της εργασίας στα Αγγλικά : Main goal of every researcher/engineer is to accomplish scientific description ,analysis and forecast of the subject that he is studying.Nowadays,the level that production and administration are,demonstrate the necessity of a short and long term planning of those procedures.That purpose can be accomplished by setting up tactics and strategies.The aim of this thesis is to design a model for long term energy consumption forecast by type of energy source in the U.S.A. using a hybrid algorithm based on fuzzy logic principles and artificial neural networks.The dat that we are going to input,are from the last sixty nine years and their values express the annual quantity of energy consumption by type of energy source in the U.S.A. measured in Quardillion Btu (british thermal unit).The forecast of energy consumption and imminent demand,is central,because using the results of it,we can improve the production activity and also thy give us important conclusions about the Economy and Finance of the country generaly.The prediction model ANFIS( adaptive neuro-fuzzy inference system)that is going to be used,has a totally different structure of any conventional model that is based on statistics.It’s verified that in complicated problems with many variables,ANFIS exports objective conclusions with smaller error than the conventional models.
Ημερομηνία Εξέτασης
Ημέρα/Μήνας/Έτος: 5/10/2017
Ώρα: 11:00 π.μ.
Χώρος Εξέτασης
Αίθουσα: 007
Κτίριο: Δ.5
