Δημιουργία μοντέλου – λογισμικού για την πρόβλεψη της ατμοσφαιρικής ρύπανσης βασισμένο σε ιστορικά δεδομένα ατμοσφαιρικής ρύπανσης και καιρικών συνθηκών με χρήση αλγορίθμων μηχανικής μάθησης

dc.contributor.authorΝτόβα, Δήμητραel
dc.contributor.authorNtova, Dimitraen
dc.date.accessioned2025-02-07T11:41:12Z
dc.date.available2025-02-07T11:41:12Z
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/123456789/38736
dc.rightsCC0 1.0 Universal*
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectΑτμοσφαιρική πύπανσηel
dc.subjectΑιωρούμενα σωματίδιαel
dc.subjectΜοντελοποίηση πρόγνωσηςel
dc.subjectΜηχανική μάθησηel
dc.subjectAir pollutionen
dc.subjectParticulate matteren
dc.subjectForecast modelingen
dc.subjectMachine learningen
dc.titleΔημιουργία μοντέλου – λογισμικού για την πρόβλεψη της ατμοσφαιρικής ρύπανσης βασισμένο σε ιστορικά δεδομένα ατμοσφαιρικής ρύπανσης και καιρικών συνθηκών με χρήση αλγορίθμων μηχανικής μάθησηςel
dc.titleCreation of a model - software for predicting air pollution, based on historical air pollution and weather data, using machine learning algorithmsen
dc.typemasterThesisen
heal.abstractΣτη σημερινή εποχή οι όροι ατμοσφαιρική ρύπανση και κλιματική κρίση αποτελούν καθημερινό θέμα συζήτησης στον επιστημονικό κόσμο, την ενημέρωση και το δημόσιο διάλογο. Η ανθρωπότητα βρίσκεται σε ένα κρίσιμο σημείο που πρέπει να βρει λύση χωρίς να υπάρχει το χρονικό περιθώριο. Παρόλα αυτά, σήμερα υπάρχουν τα απαραίτητα τεχνολογικά εργαλεία τα οποία συμβάλουν στην ταχύτερη ανάλυση πληροφοριών και πρόβλεψη μελλοντικών καταστάσεων. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη μοντέλων πρόβλεψης της ατμοσφαιρικής ρύπανσης σε συσχέτιση με τις καιρικές συνθήκες με τη χρήση αλγορίθμων μηχανικής μάθησης. Μακροπρόθεσμος στόχος, να μπορούν μελλοντικά να χρησιμοποιηθούν για προβλέψεις με μικρότερο κόστος και χρόνο και να συμβάλουν στην επίλυση του προβλήματος. Για την εκπόνηση της διπλωματικής εργασίας χρησιμοποιήθηκαν ελεύθερα μετεωρολογικά δεδομένα και δεδομένα καταγραφής ρύπων ενώ για την ανάπτυξη των μοντέλων πρόγνωσης επιλέχθηκε η γλώσσα προγραμματισμού python και η βιβλιοθήκη Scikit-learn. Επίσης δοκιμάστηκε το εργαλείο prophet της meta καθώς και ένα νευρωνικό δίκτυο RNN (LSTM).el
heal.abstractIn today's era, the terms air pollution and climate crisis are a daily topic of discussion in the scientific field, information and public debate. Humanity is at a critical point that we must find a solution without any time limit. However, today there are the necessary technological tools that contribute to faster information analysis and prediction of future situations. The purpose of this research is to develop models for predicting air pollution in relation to weather conditions using machine learning algorithms. The long-term goal is to be able to use forecasts in the future with less cost and time and to contribute to solving the problem. For the preparation of the diploma thesis, free meteorological data and pollutant recording data were used, while for the development of forecast models, the python programming language and the Scikit-learn library were chosen. The meta prophet tool was also tested, as well as an RNN (LSTM) neural network.en
heal.academicPublisherΠανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Χημείαςel
heal.academicPublisherIDuoiel
heal.accessfreeel
heal.advisorNameΓκάμας, Απόστολοςel
heal.committeeMemberNameΓκάμας, Απόστολοςel
heal.committeeMemberNameΒλάχος, Κωνσταντίνοςel
heal.committeeMemberNameΚαλαμπούνιας, Άγγελοςel
heal.dateAvailable2025-02-07T11:42:13Z
heal.fullTextAvailabilitytrue
heal.languageelel
heal.numberOfPages121el
heal.publicationDate2025-01-05
heal.recordProviderΠανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημώνel
heal.typemasterThesisel
heal.type.elΜεταπτυχιακή εργασίαel
heal.type.enMaster thesisen

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
M.E. ΝΤΟΒΑ ΔΗΜΗΤΡΑ 2025.pdf
Μέγεθος:
1.98 MB
Μορφότυπο:
Adobe Portable Document Format
Περιγραφή:

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
license.txt
Μέγεθος:
3.22 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή: