Πρόβλεψη πωλήσεων υβριδικών και ηλεκτρικών αυτοκινήτων με νευρο-ασαφή ελεγκτή (ANFIS)Πρόβλεψη πωλήσεων υβριδικών και ηλεκτρικών αυτοκινήτων με νευρο-ασαφή ελεγκτή (ANFIS) Διπλωματική Εργασία Diploma Work 2016-07-262016elΣτην παρούσα διπλωματική εργασία κάνουμε πρόβλεψη των τιμών των πωλήσεων υβριδικών και ηλεκτρικών αυτοκινήτων στις ΗΠΑ με τη χρήση ενός Νευρο-ασαφούς συστήματος, του ANFIS. Αν και η πρόβλεψη των πωλήσεων αυτοκινήτων είναι ένα πολύ σημαντικό κομμάτι των αυτοκινητοβιομηχανιών, λίγη έρευνα έχει διεξαχθεί στον τομέα της πρόβλεψης των πωλήσεων τους και ακόμη λιγότερη στον τομέα των αυτοκινήτων που χρησιμοποιούν για καύσιμο εναλλακτικές μορφές ενέργειας. Η παρούσα εργασία έρχεται να εμπλουτίσει το κομμάτι αυτό της βιβλιογραφίας και να εισάγει έναν νέο τομέα, αυτό των νευροασαφών συστημάτων, στην πρόβλεψη πωλήσεων ηλεκτρικών και υβριδικών αυτοκινήτων. Τα δεδομένα που χρησιμοποιήθηκαν είναι μηνιαίες τιμές την τελευταία τετραετία και “αλλιεύτηκαν” από την Electric Drive Sales Association http://electricdrive.org/. Το μοντέλο ANFIS που χρησιμοποιήθηκε είναι συνδυασμός δύο τεχνικών τεχνητής νοημοσύνης. Της Ασαφούς Λογικής και των Νευρωνικών Δικτύων. Η ασαφής λογική παίρνοντας σαφείς τιμές, τις ασαφοποιεί με σκοπό να δημιουργήσει ένα εύρος τιμών, ούτως ώστε η λήψη αποφάσεων να γίνεται πιο αντικειμενικά. Το μειονέκτημά της είναι ότι δεν μπορεί να επεξεργαστεί μεγάλο πλήθος δεδομένων. Τα νευρωνικά δίκτυα έχουν την ικανότητα να επεξεργάζονται μεγάλο όγκο δεδομένων και να βρίσκουν συσχετίσεις μεταξύ εισόδων και εξόδων αλλά δεν είναι αρκετά καλά στη λήψη αποφάσεων. Χρησιμοποιώντας τα πλεονεκτήματα των δύο μεθόδων, δηλαδή τις τεχνικές μάθησης των νευρωνικών δικτύων και το ισχυρό μαθηματικό υπόβαθρο της ασαφούς λογικής, το ANFIS έχει την ικανότητα για ακριβείς προβλέψεις υπό υψηλή αβεβαιότητα. Για την αξιολόγηση του μοντέλου χρησιμοποιήθηκαν τα στατιστικά σφάλματα MSE, RMSE, MAE και MAPE για κάθε μία από τις τρεις περιπτώσεις υβριδικών αυτοκινήτων που μελετήθηκαν. Τα Hybrids (HEVs), Plug-In Hybrid (PHEVs) - Extended Range (EREVs) και Battery (BEVs). Επίσης έγινε σύγκριση των αποτελεσμάτων του μοντέλου με αυτά των μοντέλων ΑR και ARMA τα οποία χρησιμοποιούνται κατά κόρον τόσο στον τομέα της έρευνας όσο και στην αγορά. Βασικό κριτήριο σύγκρισης είναι το RMSE. Σύμφωνα με τα αποτελέσματα, σε όλες τις περιπτώσεις το ANFIS συμπεριφέρεται καλύτερα από τα άλλα δύο μοντέλα. Αυτό οφείλεται στο γεγονός πως το ANFIS έχει τη δυνατότητα να εντοπίζει με μεγαλύτερη ακρίβεια την αβεβαιότητα μέσα σε ένα πλήθος δεδομένων με υψηλή διακύμανση σε σχέση με τα μοντέλα παλινδρόμησης. Αυτό κυρίως παρατηρείται στην δεύτερη περίπτωση. Στις άλλες δύο περιπτώσεις μπορεί να μην υπάρχει υψηλή διακύμανση όμως το μοντέλο μας και τότε έχει υψηλότερη ακρίβεια πρόβλεψης. Βάσει των παραπάνω αποτελεσμάτων μπορούμε να ισχυριστούμε ότι το ANFIS είναι κατάλληλο για την πρόβλεψη των πωλήσεων υβριδικών αυτοκινήτων στις ΗΠΑ.http://creativecommons.org/licenses/by-nd/4.0/Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και ΔιοίκησηςDimitrelos_Christos_Dip_2016.pdfChania [Greece]Library of TUC2016-07-26application/pdf1.6 MBfree Dimitrelos Christos Δημητρελος Χρηστος Atsalakis Georgios Ατσαλακης Γεωργιος Moustakis Vasilis Μουστακης Βασιλης Tsafarakis Stelios Τσαφαρακης Στελιος Πολυτεχνείο Κρήτης Technical University of Crete Πρόβλεψη πωλήσεων