Ανάλυση και Πρόβλεψη Χρονοσειρών

Σιημιλλάς, Χαράλαμπος; Shimillas, Charalampos

dc.contributor.author	Σιημιλλάς, Χαράλαμπος	el
dc.contributor.author	Shimillas, Charalampos	en
dc.date.accessioned	2023-09-28T08:21:47Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58102
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.25799
dc.rights	Default License
dc.subject	Ανάλυση χρονοσειρών	el
dc.subject	Μοντέλα Προβλέψεων	el
dc.subject	Time series	en
dc.subject	Forecasting	el
dc.subject	ARIMA	el
dc.subject	Wavelet Transform	el
dc.subject	STL	el
dc.title	Ανάλυση και Πρόβλεψη Χρονοσειρών	el
dc.title	Time Series Analysis and Forecasting	en
heal.type	bachelorThesis
heal.classification	Μαθηματικά	el
heal.classification	Στατιστική	el
heal.dateAvailable	2024-09-27T21:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2023-07-05
heal.abstract	Η παρούσα διπλωματική εργασία έχει ως σκοπό την μελέτη μεθόδων και εργαλείων που χρησιμοποιούνται για την παραγωγή προβλέψεων. Οι χρονοσειρές είναι η βάση αρκετών μεθόδων πρόβλεψης. Η ποσοτική και ποιοτική τους ανάλυση είναι το κλειδί για ικανά μοντέλα πρόβλεψης. Στο εισαγωγικό κεφάλαιο γίνεται αναφορά στην επιχειρησιακή έρευνα και στη σηµασία που απέκτησε ως κλάδος µέσα από µια ιστορική αναδροµή. Στην συνέχεια αναλύονται διάφορες μέθοδοι ανάλυσης και επεξεργασίας μιας χρονοσειράς, για την εξαγωγή των προτύπων που αυτή κρύβει. Ακολουθούν διάφορα μοντέλα πρόβλεψης και τεχνικές βελτίωσης της απόδοσης τους. Τέλος γίνεται η εφαρμογή των μεθόδων αυτών σε σύνολο ζήτησης ηλεκτρικής ενέργειας.	el
heal.abstract	This thesis aims to investigate the methodologies and instruments employed in the field of forecasting. Time series data forms the foundation of numerous forecasting techniques, and the thorough quantitative and qualitative analysis of these data is pivotal in developing proficient forecasting models. The introductory chapter provides a historical overview, highlighting the significance of operations research as a discipline. It subsequently delves into diverse methodologies for analyzing and processing time series data, enabling the extraction of underlying patterns that lie within. Furthermore, the thesis explores a range of forecasting models and techniques aimed at enhancing their performance. Ultimately, these methodologies are applied to a dataset comprising electricity demand, demonstrating their practical application and effectiveness.	en
heal.advisorName	Κολέτσος, Ιωάννης	el
heal.committeeMemberName	Φουσκάκης, Δημήτρης	el
heal.committeeMemberName	Στεφανέας, Πέτρος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	146 σ.	el
heal.fullTextAvailability	false