Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

ANFIS applications: review and future trend of temperature data

Tsoumpris Vasileios

Simple record


URIhttp://purl.tuc.gr/dl/dias/4136BA18-F9D3-4CFF-83A6-474140E80E80-
Identifierhttps://doi.org/10.26233/heallink.tuc.86966-
Languageel-
Extent74 σελίδεςel
Extent8.7 megabytesen
TitleΕφαρμογές του ANFIS: ανασκόπηση και μελλοντική τάση σε θερμοκρασιακά δεδομέναel
TitleANFIS applications: review and future trend of temperature dataen
CreatorTsoumpris Vasileiosen
CreatorΤσουμπρης Βασιλειοςel
Contributor [Thesis Supervisor]Atsalakis Georgiosen
Contributor [Thesis Supervisor]Ατσαλακης Γεωργιοςel
Contributor [Committee Member]Zopounidis Konstantinosen
Contributor [Committee Member]Ζοπουνιδης Κωνσταντινοςel
Contributor [Committee Member]Tsafarakis Steliosen
Contributor [Committee Member]Τσαφαρακης Στελιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
DescriptionΔιπλωματική θέση που υποβλήθηκε στη σχολή ΜΠΔ του Πολ. Κρήτης για την πλήρωση προϋποθέσεων λήψης του πτυχίου.el
Content SummaryΗ πρόβλεψη κλιματολογικών συνθηκών, προσδιορίζεται ως μία από τις σημαντικότερες προκλήσεις της σύγχρονης εποχής όπως έχει επισημανθεί από το Παγκόσμιο Πρόγραμμα Κλιματολογικών Ερευνών (WCRP, 2020). Στην παρούσα διπλωματική επιχειρείται η πρόβλεψη θερμοκρασιακών τάσεων τον επόμενο μήνα, με βάση ένα νεύρο-ασαφές μοντέλο. Το μοντέλο αποτελείται από ένα ελεγκτή ANFIS, που χρησιμοποιείται για τον έλεγχο του συστήματος που επεξεργάζεται θερμοκρασιακά δεδομένα, το οποίο επίσης προσδιορίζεται, από μία προσαρμοζόμενη νεύρο-ασαφή τεχνική ANFIS. Με την χρήση κατάλληλων μεταβλητών για την παραμετροποίηση του μοντέλου (trial and error), αποδεικνύεται ότι το ποσοστό επιτυχίας πρόβλεψης της τάσης μεταβολής της θερμοκρασίας, αγγίζει σε ακρίβεια το 94%. Το ποσοστό αυτό βάσει διεθνούς βιβλιογραφίας και μελετών, θεωρείται πολύ ικανοποιητικό. Συμπερασματικά το μοντέλο για το οποίο εκπονήθηκε η εργασία δείχνει κατάλληλο για την πρόβλεψη θερμοκρασίας. el
Content SummaryPredicting climatic conditions is identified as one of the most important challenges of the modern era as highlighted by the World Climate Research Program (WCRP, 2020). This diploma thesis attempts to predict temperature trends on next month, based on a neuro-fuzzy model. The model consists of an ANFIS controller, used to control the system. The system processes temperature data and is also determined by an adaptive neuro-fuzzy ANFIS technique. Using appropriate variables and the trial and error method to set up the model, it turns out that the prediction success rate reaches 94% accuracy. This percentage, based on international literature and studies, is considered very satisfactory in performance. In conclusion, the model for which the work was carried out seems suitable for predicting temperature.en
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by-nc-nd/4.0/en
Date of Item2020-10-12-
Date of Publication2020-
SubjectΜοντέλα και προβλέψειςel
SubjectΚλιματολογική πρόβλεψηel
SubjectΘερμοκρασιακή πρόβλεψηel
SubjectΝεύρο-ασαφή συστήματαel
SubjectΠροβλεπτικά μοντέλαel
SubjectExpert systems and predictionsen
SubjectPredictionsen
SubjectAnfis prediction modelen
SubjectNeuro-fuzzy techniqueen
Bibliographic CitationΒασίλειος Τσούμπρης, "Εφαρμογές του ANFIS: ανασκόπηση και μελλοντική τάση σε θερμοκρασιακά δεδομένα", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020el
Bibliographic CitationVasileios Tsoumpris, "ANFIS applications: review and future trend of temperature data", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2020en

Available Files

Services

Statistics