Εξηγήσιμη Τεχνητή Νοημοσύνη για την ερμηνεία μοντέλων μηχανικής πρόβλεψης ιονοσφαιρικής δραστηριότητας

Σακελλαρίου, Δημήτριος; Sakellariou, Dimitrios

dc.contributor.author	Σακελλαρίου, Δημήτριος	el
dc.contributor.author	Sakellariou, Dimitrios	en
dc.date.accessioned	2024-09-30T08:47:15Z
dc.date.available	2024-09-30T08:47:15Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60275
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27971
dc.rights	Default License
dc.subject	Παγκόσμιο Δορυφορικό Σύστημα Πλοήγησης	el
dc.subject	Ιονοσφαιρική καθυστέρηση	el
dc.subject	Μοντέλο SHAP	el
dc.subject	Συνολικός αριθμός ηλεκτρονίων ιονόσφαιρας	el
dc.title	Εξηγήσιμη Τεχνητή Νοημοσύνη για την ερμηνεία μοντέλων μηχανικής πρόβλεψης ιονοσφαιρικής δραστηριότητας	el
heal.type	bachelorThesis
heal.generalDescription	Η μελέτη της επίδρασης διαφόρων παραμέτρων για την πρόβλεψη της ιονοσφαιρικής δραστηριότητας, αποτελεί μια διαδικασία συλλογής δεδομένων, που είναι απαραίτητη για πληθώρα εργασιών και μελετών. Το δορυφορικό σήμα GPS, καθώς διαδίδεται στην ατμόσφαιρα μέχρι τη γήινη επιφάνεια συνεχώς διαθλάται λόγω της μεταβολής του δείκτη διάθλασης της ατμόσφαιρας. Ειδικότερα το σήμα GPS, που είναι διαμορφωμένο κύμα και μεταφέρει πληροφορία, κατά τη διάδοσή του στην ιονόσφαιρα (τμήμα της ατμόσφαιρας από περίπου 50 έως 1000χλμ. ύψος από τη γήινη επιφάνεια με έντονη παρουσία ελεύθερων ηλεκτρονίων και ιόντων) εξαρτάται σημαντικά και από τις συχνότητες των συνιστωσών κυμάτων που το απαρτίζουν.	el
heal.classification	Γεωπληροφορική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-06-21
heal.abstract	Η αναγκαιότητα πρόβλεψης της ιονοσφαιρικής δραστηριότητας αποτελεί μείζον θέμα για τις μετρήσεις προσδιορισμού θέσης . Η καθυστέρηση της ιονόσφαιρας είναι ανάλογη με το συνολικό αριθμό ηλεκτρονίων της ιονόσφαιρας (TEC) κατά μήκος της διαδρομής διάδοσης, και αντιστρόφως ανάλογη του τετραγώνου της συχνότητας f του φορέα (L1 ή L2) . Οι τιμές TEC (Total Electron Content) είναι απαραίτητες για τη διόρθωση της διάθλασης της ιονόσφαιρας και είναι ζωτικής σημασίας για τα συστήματα δορυφορικής πλοήγησης, προκειμένου να διασφαλιστεί η υψηλή απόδοση των δορυφορικών συστημάτων στον εντοπισμό θέσης. Με το παρόν, προτείνουμε μια προσέγγιση βασισμένη στην εξηγήσιμη τεχνητή νοημοσύνη για μοντελοποίηση και πρόβλεψη της ιονόσφαιρας. Αυτή η μέθοδος εκμεταλλεύεται τα πλεονεκτήματα της χρήσης απλών μοντέλων που είναι εύκολο να ερμηνευτούν από τον άνθρωπο, την ανάπτυξη εργαλείων οπτικοποίησης για την αναπαράσταση των δεδομένων και των αποφάσεων του συστήματος με ευανάγνωστο τρόπο, και την ενίσχυση της διαφάνειας στον τρόπο λειτουργίας των αλγορίθμων. Στα πλαίσια της εργασίας χρησιμοποιήθηκαν εννιά (9) μοντέλα – τεχνικές εξηγήσιμης μάθησης με σκοπό να προσδιοριστεί καλύτερα οι τιμές κατακόρυφης συνολικής περιεκτικότητας ηλεκτρονίων (VTEC) και λοξής (πλάγιας) συνολικής περιεκτικότητας ηλεκτρονίων (STEC) της ιονόσφαιρας.	el
heal.advisorName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Δουλάμης, Αναστάσιος	el
heal.committeeMemberName	Τσακίρη, Μαρία	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	157 σ.	el
heal.fullTextAvailability	false