dc.contributor.author | Κούλουμος, Ανδρέας | el |
dc.contributor.author | Kouloumos, Andreas | en |
dc.date.accessioned | 2024-02-19T09:02:50Z | |
dc.date.available | 2024-02-19T09:02:50Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/58923 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.26619 | |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | * |
dc.subject | Χρονοσειρές | el |
dc.subject | ∆ιαδικτυακή Εφαρµογή | el |
dc.subject | Τεχνικές Προβλέψεων | el |
dc.subject | Γεννήτρια Τεχνητών Χρονοσειρών | el |
dc.subject | Time-Series | en |
dc.subject | Web-based application | en |
dc.subject | Forecasting Techniques | en |
dc.subject | Time-Series generation | en |
dc.title | Ανάπτυξη πλατφόρµας συλλογής, δηµιουργίας, διαµοιρασµού και οπτικοποίησης δεδοµένων χρονοσειρών | el |
heal.type | bachelorThesis | |
heal.classification | Χρονοσειρές | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2023-10-18 | |
heal.abstract | Στην σηµερινή εποχή, οι ϱαγδαίες εξελίξεις σε κάθε τοµέα δηµιουργούν ένα περιβάλλον µε υψηλό ϐαθµό αβεβαιότητας. Οι τεχνικές προβλέψεων προσφέρουν το πλαίσιο για την αξιοποίηση των διαθέσιµων δεδοµένων, επιτρέποντας την πρόβλεψη τάσεων και την προετοιµασία για µελλοντικές προκλήσεις και ευκαιρίες. Η ανάγκη για αξιόπιστες προβλέψεις είναι πιο κρίσιµη από ποτέ. Ωστόσο, η αξιολόγηση των διαφόρων µεθόδων πρόβλεψης αντιµετωπίζει προκλήσεις. Παϱά την ευρεία αποδοχή δηµοφιλών συνόλων δεδοµένων ως ¨σηµεία αναφοράς¨ (benchmarks), η ερευνητική κοινότητα εκφράζει ανησυχίες σχετικά µε την περιορισµένη ποικιλοµορφία και ποσότητα τους. Επιπλέον, αυτή η προσέγγιση αρχίζει να εµφανίζει δυσκολίες όταν ο ερευνητής επιθυµεί να αξιολογήσει µια µέθοδο που αφορά χρονοσειρές µε πολύ συγκεκριµένα χαρακτηριστικά ή όταν χρειάζεται µεγάλο πλήθος χρονοσειρών. Η παρούσα διπλωµατική εργασία αντιµετωπίζει αυτά τα ζητήµατα, προτείνοντας το FOREcasting & Strategy Unit Data Collection, ή αλλιώς FOREDeCk, µια διαδικτυακή πλατφόρµα σχεδιασµένη για να παρέχει εύκολη πρόσβαση σε πάνω από ένα εκατοµµύριο πραγµατικές χρονοσειρές µε ποικίλα χαρακτηριστικά που καλύπτουν κάθε τοµέα, από την ϐιοµηχανία και τον τουρισµό µέχρι την υγεία και το περιβάλλον. Επιπλέον, για πιο εξειδικευµένες ανάγκες, επιτρέπει τη δηµιουργία τεχνητών χρονοσειρών µε ελεγχόµενα χαρακτηριστικά. Ο ευρύτερος στόχος του FOREDeCk είναι η υποστήριξη της ερευνητικής κοινότητας των τεχνικών προβλέψεων µε την παροχή νέων υψηλής ποιότητας συνόλων δεδοµένων και τα κατάλληλα εργαλεία για την αποτελεσµατική αξιοποίησή τους. Σε αυτό το πλαίσιο, το σύστηµα έχει αξιοποιηθεί για την υποστήριξη του διαγωνισµού προβλέψεων Μ4, παρέχοντας τις 100.000 χρονοσειρές που χρησιµοποιήθηκαν σε αυτόν. | el |
heal.abstract | In today’s era, rapid developments in every field create an environment characterized by a high degree of uncertainty. Forecasting techniques provide the framework for utilizing available data, allowing the prediction of trends and preparation for future challenges and opportunities. The need for reliable forecasts is more critical than ever. However, evaluating the various forecasting methods faces challenges. Despite the widespread acceptance of popular datasets as "benchmarks", the research community expresses concerns about their limited diversity and quantity. Additionally, this approach begins to pose difficulties when a researcher wishes to evaluate a method that pertains to time series with very specific characteristics or when a large number of time series is required. This diploma thesis addresses these issues by proposing the FOREcasting & Strategy Unit Data Collection, named FOREDeCk, an online platform designed to provide easy access to over a million real-world time series with diverse characteristics covering every sector, from industry and tourism to health and the environment. Furthermore, for more specialized needs, it allows the generation of artificial time series with controllable characteristics. The broader goal of FOREDeCk is to support the forecasting research community by providing new high-quality datasets and the appropriate tools for their effective utilization. In this context, the system has been utilized to support the M4 forecasting competition, contributing the 100,000 time series used in it. | en |
heal.advisorName | Ασηµακόπουλος, Βασίλειος | el |
heal.committeeMemberName | Ασηµακόπουλος, Βασίλειος | el |
heal.committeeMemberName | Ψαρράς, Ιωάννης | el |
heal.committeeMemberName | Ασκούνης, ∆ηµήτριος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 82 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: