Ανάλυση συγκεντρώσεων διοξειδίου του θείου (SO2)

Περγαντής, Ηλίας Ν.

dc.contributor.advisor	Φιλιππάκης, Μιχαήλ
dc.contributor.author	Περγαντής, Ηλίας Ν.
dc.date.accessioned	2026-02-20T14:46:43Z
dc.date.available	2026-02-20T14:46:43Z
dc.date.issued	2025-09
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/18921
dc.description.abstract	Η παρούσα διπλωματική εργασία εστιάζει στη συστηματική ανάλυση χρονοσειρών των συγκεντρώσεων διοξειδίου του θείου (SO₂), με σκοπό την κατανόηση των εποχικών μοτίβων, της μακροχρόνιας τάσης, της βραχυπρόθεσμης και μη συστηματικής μεταβλητότητας, καθώς και στη διερεύνηση τυχόν συσχετίσεων με εξωγενείς παράγοντες και άλλους ατμοσφαιρικούς ρύπους. Ιδιαίτερη έμφαση δίδεται στη συμπεριφορά των συγκεντρώσεων διοξειδίου του θείου κατά τη διάρκεια έκτακτων γεγονότων, όπως η πανδημία COVID-19. Η ανάλυση πραγματοποιείται σε τέσσερα διαφορετικά χωρικά επίπεδα της Ευρώπης και των ΗΠΑ, ήτοι, πόλεις, χώρες/πολιτείες, περιφέρειες αλλά και συνολικά σε επίπεδο ηπείρου, επιτρέποντας έτσι τη συγκριτική αξιολόγησή τους. Παράλληλα, αναπτύσσονται μοντέλα μηχανικής μάθησης για την πρόβλεψη των συγκεντρώσεων διοξειδίου του θείου στην ατμόσφαιρα.	el
dc.format.extent	120	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	Ανάλυση συγκεντρώσεων διοξειδίου του θείου (SO2)	el
dc.title.alternative	Time series analysis in SO2 concentrations	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	This thesis focuses on the systematic time series analysis of sulfur dioxide (SO₂) concentrations, aiming to understand seasonal patterns, long-term trends, short-term and non-systematic variability, as well as to examine potential correlations with exogenous factors and other atmospheric pollutants. Emphasis is given on the behavior of sulfur dioxide concentrations during extraordinary events, such as the COVID-19 pandemic period. The analysis is conducted at four different spatial levels in Europe and the United States, namely cities, countries/states, regions, and at the continental level, thus allowing for their comparative evaluation. Additionally, machine learning models are developed to forecast the behavior of sulfur dioxide concentrations in the atmosphere.	el
dc.contributor.master	Πληροφοριακά Συστήματα και Υπηρεσίες	el
dc.subject.keyword	Χρονοσειρές	el
dc.subject.keyword	Ανάλυση χρονοσειρών	el
dc.subject.keyword	Πρόβλεψη χρονοσειρών	el
dc.subject.keyword	Διοξείδιο του θείου	el
dc.subject.keyword	SO2	el
dc.date.defense	2026-02-13

Αρχεία σε αυτό το τεκμήριο

Name:: Thesis_me2322_IliasPergantis.pdf
Μέγεθος:: 7.041Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

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