Πρόβλεψη αφίξεων στον Διεθνή Αερολιμένα Αθηνών με χρήση μοντέλων μηχανικής μάθησης

Βουβάκης, Εμμανουήλ

dc.contributor.advisor	Θεοδωρίδης, Ιωάννης
dc.contributor.author	Βουβάκης, Εμμανουήλ
dc.date.accessioned	2023-05-10T09:35:35Z
dc.date.available	2023-05-10T09:35:35Z
dc.date.issued	2023-03
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/15387
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/2809
dc.description.abstract	Στη μελέτη αυτή γίνεται πρόβλεψη του αριθμού αφίξεων για τον Διεθνή Αερολιμένα Αθηνών με διάφορα μοντέλα μηχανικής μάθησης. Πρώτος σκοπός της έρευνας είναι η ανακάλυψη της κατηγορίας μοντέλων που επιτυγχάνουν καλύτερα αποτελέσματα με βάση τα δεδομένα αυτά. Επιπροσθέτως, στόχος είναι η ανακάλυψη του καλύτερου τρόπου διαχείρισης των δεδομένων αλλά και των εξωγενών μεταβλητών για τη βελτίωση των προβλέψεων. Ένα από τα κύρια συμπεράσματα που θα παρουσιαστούν στη συνέχεια είναι ότι τα ensemble μοντέλα απέδωσαν τα καλύτερα αποτελέσματα. Συνεχίζοντας, αξίζει να αναφερθεί ότι η μετατροπή των δεδομένων σε στάσιμα δεν επέφερε κάποια σημαντική βελτίωση στις προβλέψεις των μοντέλων. Κλείνοντας, σημαντικό είναι το γεγονός ότι συμπεριλαμβάνοντας εξωγενείς μεταβλητές, όπως τον χρόνο, τις καραντίνες και τον αριθμό των εμβολιασμένων πολιτών κατά της Covid-19 δεν βελτιώθηκαν οι προβλέψεις.	el
dc.format.extent	54	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/3.0/gr/	*
dc.title	Πρόβλεψη αφίξεων στον Διεθνή Αερολιμένα Αθηνών με χρήση μοντέλων μηχανικής μάθησης	el
dc.title.alternative	Prediction of arrivals at Athens International Airport using machine learning models	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής	el
dc.description.abstractEN	This study predicts the number of arrivals at the Athens International Airport using various machine learning models. The primary goal of the research is to discover which category of models achieves better results based on this data. Additionally, the objective is to discover the best way to manage the data as well as the exogenous variables to improve predictions. One of the main conclusions that will be presented later is that ensemble models achieved the best results. Furthermore, it is worth mentioning that converting the data to stationary did not significantly improve the models' predictions. Finally, it is important to note that including exogenous variables such as time, quarantine measures, and the number of vaccinated citizens against Covid-19 did not improve the predictions.	el
dc.contributor.master	Κυβερνοασφάλεια και Επιστήμη Δεδομένων	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.subject.keyword	Πρόβλεψη χρονοσειρών	el
dc.subject.keyword	Διεθνής Αερολιμένας Αθηνών	el
dc.date.defense	2023-03-20

Αρχεία σε αυτό το τεκμήριο

Name:: Vouvakis_21005.pdf
Μέγεθος:: 2.053Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Πληροφορικής
Department of Informatics

Εμφάνιση απλής εγγραφής

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα