![Institutional Repository [SANDBOX]](images/dias.logo.png "Institutional Repository [SANDBOX]"){kind=logo}
Institutional Repository [SANDBOX]
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/DE5A7163-E3FE-45F9-85FC-5CEB42812755 | - |
| Identifier | https://doi.org/10.26233/heallink.tuc.104006 | - |
| Language | el | - |
| Extent | 118 σελίδες | el |
| Title | Πρόβλεψη πωλήσεων ηλεκτρικών αυτοκινήτων | el |
| Title | Forecast of electric vehicle sales | en |
| Creator | Koufou Michaela | en |
| Creator | Κουφου Μιχαελα | el |
| Contributor [Thesis Supervisor] | Atsalakis Georgios | en |
| Contributor [Thesis Supervisor] | Ατσαλακης Γεωργιος | el |
| Contributor [Committee Member] | Moustakis Vasilis | en |
| Contributor [Committee Member] | Μουστακης Βασιλης | el |
| Contributor [Committee Member] | Zopounidis Konstantinos | en |
| Contributor [Committee Member] | Ζοπουνιδης Κωνσταντινος | el |
| Publisher | Πολυτεχνείο Κρήτης | el |
| Publisher | Technical University of Crete | en |
| Academic Unit | Technical University of Crete::School of Production Engineering and Management | en |
| Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Content Summary | Σε αυτή τη διπλωματική εργασία, επιδιώκεται η πρόβλεψη των μηνιαίων πωλήσεων ηλεκτρικών αυτοκινήτων μέσω της εφαρμογής ενός προσαρμοστικού νεύρο-ασαφούς συστήματος (Adaptive Neuro-Fuzzy System – ANFIS) και μέσω ασαφών συνόλων (fuzzy type). Τα ηλεκτρικά οχήματα έχουν όμως προσελκύσει το ενδιαφέρον πολλών αγοραστών και πολλών παραγωγών με αποτέλεσμα να επενδύονται τεράστια ποσά στην παγκόσμια οικονομία. Οι διακυμάνσεις των πωλήσεων καθιστά απαραίτητη την πρόβλεψη των πωλήσεων για πολλούς παραγωγούς ώστε να προγραμματίζουν την παραγωγή τους. Το σύστημα ANFIS και το fuzzy type επιλέχθηκε από μία πληθώρα μεθόδων πρόβλεψης, για τις δυνατότητες που παρέχει ο συνδυασμός ασαφούς λογικής και τεχνητών νευρωνικών δικτύων που δομούν τον αλγόριθμο ANFIS. Στο σύστημα fuzzy type η βελτιστοποίηση του μοντέλου θα γίνει με τον αλγόριθμο Particle Swarm. Τα αποτελέσματα θα συγκριθούν, με παραδοσιακές μεθόδους πρόβλεψης Αυτοπαλινδρόμηση – (Auto Regression) και Παλινδρόμηση Κινούμενου Μέσου (Auto Regression Moving Average) για περαιτέρω αξιολόγηση των αποτελεσμάτων. | el |
| Content Summary | In this thesis, the goal is to forecast the monthly sales of electric vehicles through the application of an Adaptive Neuro-Fuzzy Inference System (ANFIS) and fuzzy type systems. Electric vehicles have attracted the interest of many buyers and manufacturers, leading to significant investments in the global economy. The fluctuations in sales make it essential for many manufacturers to forecast sales in order to effectively plan their production. The ANFIS system and the fuzzy type approach were selected from a wide range of forecasting methods due to the advantages provided by the combination of fuzzy logic and artificial neural networks that form the basis of the ANFIS algorithm. In the fuzzy type system, model optimization will be performed using the Particle Swarm Optimization algorithm. The results will be compared with traditional forecasting methods - Auto Regression (AR) and Auto Regression Moving Average (ARMA) for further evaluation of the outcomes. | en |
| Type of Item | Διπλωματική Εργασία | el |
| Type of Item | Diploma Work | en |
| License | http://creativecommons.org/licenses/by/4.0/ | en |
| Date of Item | 2025-07-16 | - |
| Date of Publication | 2025 | - |
| Subject | Πρόβλεψη πωλήσεων EV | el |
| Bibliographic Citation | Μιχαέλα Κουφού, "Πρόβλεψη πωλήσεων ηλεκτρικών αυτοκινήτων", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2025 | el |
| Bibliographic Citation | Michaela Koufou, "Forecast of electric vehicle sales", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2025 | en |
Copyright © DIAS 2013
