Περίληψη | Η παρούσα μεταπτυχιακή διατριβή έχει ως στόχο την παρουσίαση των μοντέλων πρόβλεψης, διερευνώντας τη συμβολή τους στη διαδικασία λήψης αποφάσεων.
Αναλυτικότερα, το πρώτο κεφάλαιο αρχικά αναφέρεται στη λήψη αποφάσεων χωρίς πρόβλεψη και υπό μεγάλο βαθμό αβεβαιότητας, αναλύοντας τα βασικά βήματα της θυμικής μεθόδου. Στη συνέχεια ,γίνεται αναφορά στους τύπους των ποσοτικών μοντέλων πρόβλεψης , ενώ τεκμηριώνεται η χρησιμότητα της μοντελοποιημένης πρόβλεψης στη σύγχρονη εποχή. Το δεύτερο κεφάλαιο , πραγματεύεται την ποιοτική πρόβλεψη μέσω των μεθόδων κρίσης. Αναλύει τον τρόπο εφαρμογής των μεθόδων σύνθεσης προβλέψεων, επιχειρηματολογεί υπέρ της σπουδαιότητας αυτών και παραθέτει δύο τρόπους πρόβλεψης συναλλαγματικής ισοτιμίας · μέσω της θεωρίας της ισοτιμίας της αγοραστικής δύναμης και του μοντέλου τυχαίου περιπάτου. Ακολουθεί η ανάπτυξη των ποιοτικών μεθόδων Cooke, Delphi, της μεθόδου της κατ` αναλογία πρόβλεψης, της μεθόδου της δημιουργίας σεναρίων και της μεθόδου της στατιστικής έρευνας , ενώ γίνεται αναφορά στις κυριότερες μεθόδους πρόγνωσης μέσω τεχνολογικών προβλέψεων.
Το τρίτο κεφάλαιο ασχολείται με την ποσοτική πρόβλεψη παραθέτοντας μαθηματικές μεθόδους. Πρωτίστως αναφέρεται η διάκριση των μαθηματικών μοντέλων ανάλογα με τη δομή τους. Ακολουθεί στα πλαίσια των στοιχειωδών μαθηματικών μεθόδων πρόβλεψης , η ανάπτυξη της προσέγγισης με το μέσο όρο, αναφέροντας αναλυτικότερα τη μέθοδο των κινούμενων μέσων όρων , τη μέθοδο της εκθετικής εξομάλυνσης και τη μέθοδο του Holt. Στην ίδια κατηγορία παρατίθενται η απλή παρελθοντική μέθοδος, η απλή μέση παρελθοντική μέθοδος και η απλή εποχική μέθοδος. Ακολούθως, στα πλαίσια των προηγμένων μαθηματικών μεθόδων πρόβλεψης , παρατίθενται οι μέθοδοι χρονοσειρών, με ανάπτυξη των μεθόδων εξομάλυνσης, χρονοσειρών μιας μεταβλητής, πολυμεταβλητών χρονοσειρών και των μοντέλων ARMA και ARIMA. Σε αναφορά στις μεθόδους τεχνητής νοημοσύνης, το κεφάλαιο αυτό προσεγγίζει τα τεχνητά νευρωνικά δίκτυα, την ομαδική μέθοδο επεξεργασίας δεδομένων και τις μηχανές διανυσμάτων υποστήριξης. Σε συνέχεια της αναφοράς στις προηγμένες μαθηματικές μεθόδους πρόβλεψης, παρουσιάζονται οι μέθοδοι ταξινόμησης Naïve Bayes , των κ-πλησιέστερων γειτόνων, των τυχαίων δασών, των ενισχυμένων δένδρων, των δένδρων κατηγοριοποίησης και παλινδρόμησης, των πολυδιάστατων προσαρμοστικών εύκαμπτων συναρτήσεων παλινδρόμησης, των ACE και AVAS,των ελαχίστων τετραγώνων, το γενικευμένο γραμμικό μοντέλο, η λογιστική παλινδρόμηση, τα γενικευμένα προσθετικά μοντέλα, η ισχυρή παλινδρόμηση η ημιπαραμετρική παλινδρόμηση και η συστημική θεωρία και γεωμετρική πρόγνωση. Ακολουθεί ανάπτυξη της πρόβλεψης με χρήση μοντέλου προσομοίωσης, όπου και αναφέρονται η προσομοίωση Monte Carlo και η στοχαστική προσομοίωση και έλεγχος σεναρίων. Στην ενότητα αυτή τέλος ,προσεγγίζονται οι αγορές πρόγνωσης, η μηχανική μάθηση, η αναγνώριση προτύπων, η ποσοτική τεχνολογική πρόβλεψη και η πρόγνωση βασισμένη στη γεωμετρική κίνηση Brown.Στο τέταρτο κεφάλαιο, αρχικά τεκμηριώνεται η αναγκαιότητα και ο ρόλος της δομημένης πρόβλεψης στη διαδικασία λήψης αποφάσεων, ενώ τονίζονται οι παράγοντες που θα πρέπει να ληφθούν υπόψη σε επικείμενη εφαρμογή της. Σε συνέχεια επιχειρηματολογεί όσον αφορά τη χρησιμότητα στη λήψη αποφάσεων της προγνωστικής βελτιστοποίησης μέσω τεχνητής νοημοσύνης και παραθέτει μαθηματικά μοντέλα λήψης αποφάσεων , καθώς και τους αλγόριθμους διαδοχικών λήψεων αποφάσεων αξιοποιώντας την πρόγνωση. Στην προσπάθεια εφαρμογής των μοντέλων πρόβλεψης στην υποστήριξη λήψης αποφάσεων υπό αβεβαιότητα, στην ενότητα αυτή επιχειρείται η υπόδειξη αφενός ενδεικτικών μεθόδων και αφετέρου ορισμένων κατάλληλων πεδίων εφαρμογής , ώστε οι γνωστές μέθοδοι να είναι αποτελεσματικές . Κλείνοντας, συνοψίζει αναφέροντας τα κύρια χαρακτηριστικά των προαναφερθέντων μεθόδων πρόβλεψης.
| el |
Βιβλιογραφική Αναφορά | Ελένη Καττή, "Μοντέλα πρόβλεψης. Θεωρητική επισκόπηση και εφαρμογές", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2018 | el |