Institutional Repository
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Πρόβλεψη κατανάλωσης ενέργειας ανά πηγή ενέργειας στις Η.Π.Α. με χρήση μοντέλου πρόβλεψης ANFIS

Makridi Evdokia

Full record


URI: http://purl.tuc.gr/dl/dias/E0B7E884-D3DE-4CD5-B9B2-3A57934A7E6E
Year 2017
Type of Item Diploma Work
License
Details
Bibliographic Citation Ευδοκία Μακρίδη, "Πρόβλεψη κατανάλωσης ενέργειας ανά πηγή ενέργειας στις Η.Π.Α. με χρήση μοντέλου πρόβλεψης ANFIS ", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2017 https://doi.org/10.26233/heallink.tuc.69531
Appears in Collections

Summary

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.

Available Files

Services

Statistics