BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20240725T100751Z
LAST-MODIFIED:20240725T100751Z
DTSTAMP:20260906T090213Z
UID:1788674533@tuc.gr
SUMMARY:Παρουσίαση διπλωματικής εργασίας κ. 
 Νικηφόρου Μπούρου, Σχολή ΜΠΔ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=7158&cHash=82
 f7f6e7c18049c32a8f66f1e2e15f9d\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡ
 ΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ\n Ονοματεπώνυμο
 :    Νικηφόρος Μπούρος\n Αριθμός Μητ
 ρώου:    2018010046\n Θέμα:\n Τίτλος
  στα Ελληνικά:    Πρόβλεψη της ζήτησ
 ης του φυσικού αερίου στην Ελλάδα με
  χρήση του Προσαρμοστικού Συστήματος
  Νευρο-Ασαφούς Συμπερασμού ANFIS\n Τ
 ίτλος στα Αγγλικά:    Forecasting na
 tural gas demand in Greece using the
  Adaptive Neuro-Fuzzy Inference Syst
 em - ANFIS\n Εξεταστική Επιτροπή:\n 
 Επιβλέπων:        Ατσαλάκης Γεώργιος
 , Αναπληρωτής Καθηγητής\n Πρώτο Μέλο
 ς:        Δούμπος Μιχάλης, Καθηγητής
 \n Δεύτερο Μέλος:    Ζοπουνίδης Κων/
 νος, Καθηγητής\n Περίληψη:\n Ο ενεργ
 ειακός τομέας αποτελεί την κινητήρια
  δύναμη των οικονομιών παγκοσμίως, κ
 αθώς δεν περιορίζεται μόνο στην τροφ
 οδότηση της βιομηχανικής ανάπτυξης, 
 επιτρέποντας έτσι την τεχνολογική εξ
 έλιξη και καινοτομία, αλλά παράλληλα
 , συντηρεί συνολικά τις ανάγκες της 
 καθημερινής ζωής. Για το λόγο αυτό, 
 οι προβλέψεις στον τομέα της ενέργει
 ας κρίνονται απαραίτητες, με την παρ
 ούσα εργασία να επικεντρώνεται στην 
 πρόβλεψη της ζήτησης του φυσικού αερ
 ίου. Προκειμένου να αναπτυχθεί ένα α
 κριβές μοντέλο πρόβλεψης φυσικού αερ
 ίου για την Ελλάδα, εξετάζεται η εφα
 ρμογή του προσαρμοστικού συστήματος 
 νευρο-ασαφούς συμπερασμού (ANFIS), μ
 ια ευέλικτη και εύχρηστη τεχνική η ο
 ποία ενσωματώνει τα νευρωνικά δίκτυα
  με τις αρχές της ασαφούς λογικής. Α
 ρχικά, γίνεται ανασκόπηση παρόμοιων 
 μελετών και παρουσιάζονται οι μηχανι
 σμοί δημιουργίας, αναζήτησης, εξόρυξ
 ης, επεξεργασίας και διανομής φυσικο
 ύ αερίου, με ειδική αναφορά στην ελλ
 ηνική αγορά και τους κύριους φορείς 
 της. Ακολουθεί το θεωρητικό υπόβαθρο
  των μοντέλων πρόβλεψης, με αναφορά 
 στις χρονοσειρές, την ασαφή λογική κ
 αι τα νευρο-ασαφή συστήματα, με έμφα
 ση στη μέθοδο ANFIS και στην αρχιτεκ
 τονική της. Χρησιμοποιώντας δεδομένα
  της ημερήσιας εισαγωγής φυσικού αερ
 ίου από το 2008 και σε βάθος δεκαπεν
 ταετίας στην Ελλάδα, από τη βάση δεδ
 ομένων της ΔΕΠΑ Εμπορίας, η ανάλυση 
 πραγματοποιείται με τη χρήση του λογ
 ισμικού MATLAB. Η διαδοχική δοκιμή π
 αραμέτρων και επανάληψη της μεθόδου 
 με το μοντέλο ANFIS παρουσιάζει χαμη
 λή τιμή στη ρίζα του μέσου τετραγωνι
 κού σφάλματος (RMSE) και χαμηλότερα 
 σφάλματα σε σχέση με το Αυτοπαλίνδρο
 μο Μοντέλο (AR) και το Αυτοπαλίνδρομ
 ο Μοντέλο Κινητού Μέσου (ARMA), αναδ
 εικνύοντας έτσι το ANFIS ως ένα ικαν
 οποιητικά αποτελεσματικό εργαλείο στ
 ην πρόβλεψη της ζήτησης φυσικού αερί
 ου.\n  \n Περίληψη (Αγγλικά):\n The 
 energy sector is the driving force o
 f economies worldwide, as it is not 
 only limited to fueling industrial d
 evelopment, thus enabling technologi
 cal evolution and innovation, but at
  the same time, it sustains the need
 s of daily life as a whole. For this
  reason, forecasts in the energy sec
 tor are deemed necessary, with the p
 resent paper focusing on the forecas
 ting of natural gas demand. In order
  to develop an accurate natural gas 
 forecasting model for Greece, the ap
 plication of the adaptive neuro-fuzz
 y inference system (ANFIS), a flexib
 le and easy-to-use technique that in
 tegrates neural networks with fuzzy 
 logic principles, is considered. Ini
 tially, similar studies are reviewed
  and the mechanisms of creation, sea
 rch, extraction, processing and dist
 ribution of natural gas are presente
 d, with special reference to the Gre
 ek market and its main players. The 
 theoretical background of forecastin
 g models follows, with reference to 
 time series, fuzzy logic and neuro-f
 uzzy systems, with an emphasis on AN
 FIS method and its architecture. Usi
 ng data of the daily import of natur
 al gas from 2008 and over fifteen ye
 ars in Greece, from the database of 
 DEPA Commercial, the analysis is car
 ried out using the MATLAB software. 
 Sequential parameter testing and met
 hod iteration with the ANFIS model s
 hows low root mean square error (RMS
 E) and lower errors than the Autoreg
 ressive (AR) and ARMA (Autoregressiv
 e Moving Average) models, thus highl
 ighting ANFIS as a satisfactorily ef
 fective tool in natural gas demand f
 orecasting.\n  \n Ημ/νία εξέτασης:  
   29-07-2024\n Ώρα:            12:00
 \n Χώρος εξέτασης:\n Η παρουσίαση θα
  γίνει με τηλεδιάσκεψη: https://tuc-
 gr.zoom.us/j/82617003433?pwd=ZVJoemt
 xa2JHYUtkYW9Nd0RpQlpzdz09\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20240729T120000
DTEND:20240729T130000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR