Νευρωνικά δίκτυα γράφων για την πρόβλεψη διμερών μεταναστευτικών ροών : μια ανάλυση με επίκεντρο την Ευρώπη

Abstract

Η μετανάστευση αποτελεί ένα από τα πλέον σημαντικά και δυσπρόβλεπτα φαινόμενα της σύγχρονης κοινωνίας, με βαθιές επιπτώσεις σε επίπεδο πολιτικής και ανθρωπιστικού σχεδιασμού. Η παρούσα διατριβή διερευνά κατά πόσο τα Νευρωνικά Δίκτυα Γράφων (Graph Neural Networks – GNNs) μπορούν να βελτιώσουν την πρόβλεψη διμερών μεταναστευτικών ροών σε σχέση με κλασικές μεθόδους αναφοράς, και ταυτόχρονα αναλύει το ευρωπαϊκό σύστημα μετανάστευσης μέσω εργαλείων δικτυακής ανάλυσης. Συγκρίνονται τρεις αρχιτεκτονικές GNN (GCN, GraphSAGE, Temporal-GNN) με τρεις κλασικές μεθόδους (απλή εμμονή, log-γραμμικό βαρυτικό μοντέλο, Random Forest) σε δεδομένα διμερών ροών 21 ετών (2000–2020) για 217 χώρες. Τα αποτελέσματα δείχνουν ότι η απλή μέθοδος εμμονής υπερτερεί όλων των εκπαιδευμένων μοντέλων κατά παράγοντα 4,5 στο μέσο απόλυτο σφάλμα μη-μηδενικών κελιών. Η ανάλυση εντοπίζει τρεις δομικές τάσεις στην ευρωπαϊκή μετανάστευση: την έκρηξη ρουμανικής μετανάστευσης μετά τη διεύρυνση της ΕΕ το 2007, την προοδευτική απομάκρυνση του Ηνωμένου Βασιλείου από το δίκτυο μετά το Brexit, και την ανακατεύθυνση των ουκρανικών ροών προς την Πολωνία. Συμπληρωματικά, μέσω δεδομένων IOM DTM, αναλύεται ο εσωτερικός εκτοπισμός στην Ουκρανία (2022–2026).