HEAL DSpace

Πρόβλεψη κινδύνου ενεργειακής φτώχειας με τη χρήση αλγορίθμων μηχανικής μάθησης

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Τσουκνίδας, Αθανάσιος el
dc.contributor.author Tsouknidas, Athanasios en
dc.date.accessioned 2022-11-28T10:09:44Z
dc.date.available 2022-11-28T10:09:44Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/56271
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.23969
dc.rights Default License
dc.subject Ενεργειακή φτώχεια el
dc.subject Ορεινές Περιοχές el
dc.subject Αλγόριθμοι Μηχανικής Μάθησης el
dc.subject Ενέργεια el
dc.subject Energy Poverty en
dc.subject Machine Learning Algorithms en
dc.subject Mountain areas en
dc.subject Ενεργειακή Κρίση el
dc.subject Energy Crisis el
dc.title Πρόβλεψη κινδύνου ενεργειακής φτώχειας με τη χρήση αλγορίθμων μηχανικής μάθησης el
heal.type bachelorThesis
heal.classification Ενεργειακή διαχείριση el
heal.classification Energy Management el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2022-07-18
heal.abstract Στην παρούσα διπλωματική εργασία πραγματοποιήθηκε ανάλυση του φαινομένου της ενεργειακής φτώχειας στις ορεινές περιοχές της Ελλάδας με τη χρήση αλγορίθμων μηχανικής μάθησης. Πιο συγκεκριμένα, πραγματοποιήθηκε επισκόπηση των ιδιαίτερων χαρακτηριστικών της ενεργειακής φτώχειας, με αναφορά στην εξέλιξη της έρευνας στην εκτίμηση του φαινομένου καθώς και στην έκταση που λαμβάνει στις ορεινές περιοχές. Στο κύριο μέρος της εργασίας χρησιμοποιήθηκαν αλγόριθμοι μηχανικής μάθησης με σκοπό την αξιολόγηση της ικανότητάς τους να προβλέψουν τον κίνδυνο εμφάνισης ενεργειακής φτώχειας με αποδεκτή ακρίβεια. Ειδικότερα, επιχειρήθηκε η πρόβλεψη τριών αντικειμενικών δεικτών ενεργειακής φτώχειας (outputs) βάσει πέντε υποκειμενικών δεικτών ενεργειακής φτώχειας (inputs) –μεμονωμένων αλλά και πολλών συνδυασμών των τελευταίων- με εφαρμογή έξι διαφορετικών αλγορίθμων μηχανικής μάθησης. Από τις εν λόγω δοκιμές παρήχθησαν μοντέλα με οριακά ικανοποιητική απόδοση και εύρος ακρίβειας 55% – 61%, και εξήχθησαν συμπεράσματα αναφορικά με την ικανότητα πρόβλεψης του κινδύνου εμφάνισης ενεργειακής φτώχειας των επιλεχθέντων αλγορίθμων. Τα πρώτα ευρήματα εφαρμογής της μηχανικής μάθησης στο φαινόμενο της ενεργειακής φτώχειας θέτουν τα θεμέλια για εκτενέστερη έρευνα στο αντικείμενο. el
heal.advisorName Καλιαμπάκος, Δημήτριος el
heal.committeeMemberName Καλιαμπάκος, Δημήτριος el
heal.committeeMemberName Δαμίγος, Δημήτριος el
heal.committeeMemberName Μπενάρδος, Ανδρέας el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανικών Μεταλλείων Μεταλλουργών. Τομέας Μεταλλευτικής el
heal.academicPublisherID ntua
heal.numberOfPages 115 σ. el
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής