Πρόβλέψη χρονοσειρών με τη χρήση νευρωνικών δικτύων -Εφαρμογή στον τομέα του τουρισμού

Δημόπουλος, Σπυρίδων; Dimopoulos, Spyridon

dc.contributor.author	Δημόπουλος, Σπυρίδων
dc.contributor.author	Dimopoulos, Spyridon
dc.date.accessioned	2025-07-11T08:01:06Z
dc.date.available	2025-07-11T08:01:06Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/62142
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29838
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	τουρισμός	el
dc.subject	τουριστική ζήτηση	el
dc.subject	νευρωνικά δίκτυα	el
dc.subject	τεχνητή νοημοσύνη	el
dc.subject	timeseries forecasting	en
dc.subject	tourism	en
dc.subject	tourism demand	en
dc.subject	artificial intelligence	en
dc.title	Πρόβλέψη χρονοσειρών με τη χρήση νευρωνικών δικτύων -Εφαρμογή στον τομέα του τουρισμού	el
dc.contributor.department	Τομέας ηλεκτρικών βιομηχανικών διατάξεων και συστημάτων αποφάσεων	el
heal.type	bachelorThesis
heal.classification	πρόβλεψη χρονοσειρών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2008-09-01
heal.abstract	Ο Τουρισμός αποτελεί έναν από τους σημαντικότερους τομείς δραστηριότητας παγκοσμίως, με σημαντικές συνέπειες στην κοινωνική, πολιτιστική και οικονομική ζωή των διαφόρων χωρών. Ειδικότερα στη χώρα μας, ο τουρισμός έχει βαρύνουσα σημασία στην οικονομική της ανάπτυξη, μιας και η Ελλάδα κατέχει σημαντικό μερίδιο της παγκόσμιας τουριστικής αγοράς. Η πρόβλεψη της Τουριστικής Ζήτησης είναι ιδιαίτερα σημαντική στην εποχή που ζούμε. Κατα καιρούς έχουν διατυπωθεί διάφορες θεωρίες και αναπτυχθεί ποικίλλες μέθοδοι για την εύρεση ενός τρόπου, όσο το δυνατόν, πιο ακριβούς πρόβλεψης με το μικρότερο σφάλμα. Μια από αυτές είναι και η Πρόβλεψη Χρονοσειρών με τη χρήση Νευρωνικών Δικτύων, ένα πεδίο που ανήκει στον ευρύτερο τομέα της Τεχνητής Νοημοσύνης. Ο σκοπός της διπλωματικής αυτής εργασίας ήταν η μελέτη διαφόρων Μεθόδων Πρόβλεψης της Τουριστικής Ζήτησης με τη χρήση Νευρωνικών Δικτύων και η εξαγωγή χρήσιμων συμπερασμάτων σχετικά με τις παραμέτρους που τις επηρεάζουν. Όλη αυτή η διαδικασία γίνεται μέσω της πρόβλεψης ειδικών Χρονοσειρών, με τη χρήση ειδικών Υπολογιστικών Προγραμμάτων Τεχνητής Νοημοσύνης. Δοκιμάστηκαν διάφορες αρχιτεκτονικές νευρωνικών δικτύων με εισόδους τα δεδομένα των χρονοσειρών, τα προεπεξεργασμένα δεδομένα των χρονοσειρών, τις προβλέψεις μεθόδων πάνω στα δεδομένα και ανεξάρτητες ερμηνευτικές μεταβλητές.	el
heal.abstract	Tourism is one of the biggest areas of activity worldwide, with significant implications for social, cultural and economic life of various countries. Particularly, in our country, tourism plays an important role in economic development while Greece holds a significant share of the global tourism market. Nowadays, forecasting Tourism Demand is extremely important. Occasionally, various theories have been issued and different methods have been developed in order to find a way to forecast, as accurate as possible, with the lowest error. One of them is Timeseries Forecasting using Neural Networks, a field belonging to the wide field of Artificial Intelligence. The purpose of this diplomatic work was to study various methods of Forecasting Tourism Demand using Neural Networks and extraction of useful conclusions about the parameters that affect them. This whole process is through forecasting particular Timeseries, using special Computer Programs with Artificial Intelligence. Various Architectures of Neural Networks were tested. As Inputs we used Timeseries Data, preprocessed Timeseries Data, forecasting methods’ results on the Data and independent explanatory Variables.	en
heal.sponsor	ΕΜΠ	el
heal.advisorName	Ασημακόπουλος, Βασίλειος
heal.committeeMemberName	Ασημακόπουλος, Βασίλειος
heal.committeeMemberName	Ψαρράς, Ιωάννης
heal.committeeMemberName	Ασκούνης, Δημήτριος
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	123 σ.
heal.fullTextAvailability	false