Μοντέλα πρόβλεψης για δασικές πυρκαγιές με την χρήση μεθόδων μηχανικής μάθησης

Νεβέσκαλος, Νικόλαος

dc.contributor.advisor	Κούτρας, Μάρκος
dc.contributor.author	Νεβέσκαλος, Νικόλαος
dc.date.accessioned	2025-12-04T07:37:44Z
dc.date.available	2025-12-04T07:37:44Z
dc.date.issued	2025-09
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/18650
dc.description.abstract	Οι δασικές πυρκαγιές αποτελούν ένα φαινόμενο του οποίου η συχνότητα εμφάνισης αυξάνεται ραγδαία τα τελευταία χρόνια, προκαλώντας ιδιαίτερη ανησυχία τόσο στις αρχές όσο και στους πολίτες. Η χώρα μας αρκετά συχνά χρειάζεται να δώσει μάχες που φαντάζουν όλο και δυσκολότερες, με τεράστιες πυρκαγιές να πλήττουν όλη την επικράτεια. Η μηχανική μάθηση έχει εξελίξει διάφορες στατιστικές μεθόδους ανάλυσης δεδομένων με σκοπό την ανάπτυξη αποτελεσματικών μοντέλων πρόβλεψης, τα οποία μπορούν να χρησιμοποιηθούν σε κάθε είδους εφαρμογές, συμπεριλαμβανομένης και της πρόβλεψης δασικών πυρκαγιών. Στα πλαίσια της παρούσας διπλωματικής εργασίας: α. θα παρουσιασθεί το γενικό πρόβλημα της παρακολούθησης δεδομένων που είναι χρήσιμα για την πρόβλεψη πυρκαγιών, καθώς και οι οικονομικές συνέπειες της μη έγκαιρης πρόβλεψης ή κατάσβεσής τους. β. θα παρουσιαστούν οι βασικότερες στατιστικές τεχνικές μηχανικής μάθησης που μπορούν να χρησιμοποιηθούν για την ανάπτυξη μοντέλων πρόβλεψης για δασικές πυρκαγιές με την χρήση μεθόδων μηχανικής μάθησης όπως, για παράδειγμα, Ridge Regression, Random Forests και Support Vector Machines. γ. θα γίνει εφαρμογή των τεχνικών που θα παρουσιασθούν, σε πραγματικά δεδομένα πυρκαγιών της τελευταίας 20ετίας στην Ελλάδα με σκοπό την πρόβλεψη μελλοντικών πυρκαγιών βάσει μετεωρολογικών στοιχείων, δεδομένων εδάφους κ.α.	el
dc.format.extent	61	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
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.title	Μοντέλα πρόβλεψης για δασικές πυρκαγιές με την χρήση μεθόδων μηχανικής μάθησης	el
dc.title.alternative	Forest fire prediction models using machine learning techniques	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης	el
dc.description.abstractEN	Forest fires are a phenomenon whose frequency has been increasing rapidly in recent years, causing particular concern to both the authorities and citizens. Greece is fighting an uphill battle, with huge fires affecting the whole country. Machine learning has evolved various statistical methods of data analysis to develop effective predictive models that can be used in all kinds of applications, including forest fire prediction. What will be presented in the context of this thesis is: a. the general problem of monitoring data useful for fire prediction, as well as the economic consequences of not predicting or extinguishing forest fires in time. b. the statistical machine learning techniques that can be used to develop wildfire prediction models using machine learning methods such as, for example, Ridge Regression, Random Trees and Support Vector Machines. c. the above techniques will then be applied to real fire data from the last 20 years in Greece, in order to predict future fires based on meteorological data, ground data, etc.	el
dc.contributor.master	Εφαρμοσμένη Στατιστική	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.subject.keyword	Δασικές πυρκαγιές	el
dc.subject.keyword	Machine learning	el
dc.subject.keyword	Regression	el
dc.subject.keyword	Classification	el
dc.subject.keyword	Random forests	el
dc.subject.keyword	SVM	el
dc.date.defense	2025-09-30

Αρχεία σε αυτό το τεκμήριο

Name:: Neveskalos_23003.pdf
Μέγεθος:: 1.381Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

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