Το θέμα των θαλασσίων μεταφορών και πως αυτό επηρεάζει το θαλάσσιο περιβάλλον αποτελεί ένα από τα σημαντικότερα θέματα που απασχολούν την παγκόσμια ναυτιλιακή κοινότητα. Όταν, βέβαια, γίνεται λόγος για οικολογικές συνέπειες στο θαλάσσιο περιβάλλον, ενδιαφερόμενος είναι, γενικότερα, κάθε πολίτης κάθε κράτους, παγκοσμίως. Μία από τις κύριες αιτίες ρύπανσης του θαλάσσιου περιβάλλοντος είναι η διακίνηση πετρελαιοειδών που λαμβάνει χώρα σε αυτό και γίνεται από πλοία. Τα πλοία και οι δραστηριότητές τους είναι η βασική αιτία πρόκλησης πετρελαιοκηλίδων στον ελλαδικό θαλάσσιο χώρο. Η ανάγκη για τη μελέτη του κόστους αντιμετώπισης αυτών είναι δεδομένη και απασχολεί όλους τους αρμόδιους φορείς. Το κόστος αντιμετώπισης πετρελαιοκηλίδων εξαρτάται από ποικίλους παράγοντες, σημαντικότεροι από τους οποίους είναι το είδος του πετρελαιοειδούς, το μέγεθος της κηλίδας, η τοποθεσία του περιστατικού ρύπανσης, η στρατηγική αντιμετώπισης του προβλήματος, η ενδεχόμενη επίδραση της κηλίδας στην ακτογραμμή και, τέλος, ο χρόνος αντίδρασης ως προς την έναρξη της καταπολέμησης της πετρελαιοκηλίδας. Σκοπός της συγκεκριμένης εργασίας είναι η ανάλυση της επίδρασης των παραπάνω παραγόντων στην διαμόρφωση του κόστους αντιμετώπισης των κηλίδων στον ελλαδικό θαλάσσιο χώρο. Συγκεκριμένα, γίνεται προσπάθεια ανάπτυξης ενός μαθηματικού μοντέλου εκτίμησης του κόστους απορύπανσης των κηλίδων, το οποίο θα είναι σε θέση να εφαρμοστεί και να παρέχει ικανοποιητική προσέγγιση σε αυτό το κόστος. Το συγκεκριμένο μοντέλο αναπτύσσεται χάρη σε στοιχεία που έχουν συλλεχτεί και απαρτίζουν τη βάση δεδομένων της εργασίας αυτής. Η βάση δεδομένων περιέχει πληροφορίες από 100, περίπου, περιστατικά ρύπανσης που σημειώθηκαν στον ελλαδικό χώρο, κατά το χρονικό διάστημα 2000 – 2007, και απασχόλησαν μεγάλη ιδιωτική εταιρεία αντιμετώπισης θαλάσσιας ρύπανσης. Μία εναλλακτική επιλογή, στην προσπάθειά μας να υπολογίσουμε το κόστος αντιμετώπισης πετρελαιοκηλίδων που προκαλούνται από πλοία στον ελλαδικό θαλάσσιο χώρο, αποτελεί η επιστήμη των νευρωνικών δικτύων και η εφαρμογή της στο συγκεκριμένο πρόβλημα. Γίνεται προσπάθεια κατανόησης των βασικών αρχών των νευρωνικών δικτύων, ώστε να καταστεί εφικτή η δημιουργία και λειτουργία ενός νευρωνικού δικτύου ικανού να μας δώσει απαντήσεις στο θέμα του κόστους αντιμετώπισης της θαλάσσιας ρύπανσης. Το δίκτυο, που κατασκευάζεται, εκπαιδεύεται κατάλληλα με τη βοήθεια των περιστατικών ρύπανσης της βάσης δεδομένων, που διαθέτουμε, και κατόπιν, δοκιμάζεται για να μελετηθεί κατά πόσο η γνώση-εμπειρία που απέκτησε, κατά την εκπαίδευση, είναι ικανή και αρκετή ώστε να του δώσει τη δυνατότητα εκτίμησης του κόστους απορύπανσης μελλοντικών κηλίδων.
The transports by sea and how they influence the marine environment are some of the dominant issues that concern the worldwide maritime community. However every citizen of all the countries is interested of the ecological consequences on the marine environment. The transport of oil by ships is a common danger for the environmental balance and its preserving. In Greece more oil spills are made by ships. All the interested parts of the marine activities share a keen interest in being able to study oil spill response costs for planning purposes. Oil spill cleanup response costs depend on a variety of factors, most notably, oil type, spill size, location of the incident, cleanup strategy, degree of shoreline oiling and time to response. The aim of this thesis is to analyze the impact of the factors, mentioned above, on the oil spill cleanup costs in Greece. In particular, there is an effort to develop a cleanup cost estimation modeling technique that can be applied to marine spills of different types. The construction of this modeling technique is based on a database which includes data of about 100 oil spill incidents. These incidents took place in Greece in a period of eight years (2000-2007) and their cleanup response occupied the biggest oil spill response company of Greece. The artificial neural networks and their application on the problem of estimating oil spill cleanup costs in Greece is another issue that is described in this thesis. There is an effort to understanding the basic principles of the neural networks theory so as to studying how possible is the construction and the operation of a neural network that can give replies on the estimating oil spill cleanup cost problems. The neural network, that is built, is trained by the incidents of the database and then is tested. The results of the testing procedure are essential elements that prove how well is the trainning of the network and if there is satisfactory ability of the network to estimate oil spill cleanup costs.