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:20240927T124350Z
LAST-MODIFIED:20240927T124350Z
DTSTAMP:20260714T225610Z
UID:1784058970@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Ιωάννη Ιωάννου - Σχολή ΗΜΜΥ
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=7261&cHash=d4
 a22ecbeb3a154a64e8ac1937a414a4\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων 
 Μηχανικών και Μηχανικών Υπολογιστών\
 n Πρόγραμμα Προπτυχιακών Σπουδών\n Π
 ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Ιω
 άννη Ιωάννου\n με θέμα\n Ανάλυση Αιο
 λικών Δεδομένων από την Κρήτη με Μεθ
 όδους Χρονοσειρών\n Analysis of Wind
  Data from the Island of Crete using
  Time Series Methods\n Εξεταστική Επ
 ιτροπή\n Καθηγητής Διονύσιος Χριστόπ
 ουλος (επιβλέπων)\n Καθηγητής Αθανάσ
 ιος Λιάβας\n Καθηγητής Ευτύχιος Κουτ
 ρούλης\n Περίληψη\n Η αύξηση του πλη
 θυσμού  της Γης έχει ως αποτέλεσμα τ
 ην επιτάχυνση  της ενεργειακής ζήτησ
 ης καθώς και των περιβαλλοντικών προ
 βλημάτων.  Η αιολική ενέργεια μπορεί
  να  αντισταθμίσει κάποια από τα προ
 βλήματα που δημιουργούνται, και για 
 αυτό τον λόγο η εκμετάλλευσή της απο
 τελεί μια βιομηχανία που αναπτύσσετα
 ι με πολύ γοργούς ρυθμούς. Η ποσοτικ
 ή ανάλυση και η πρόβλεψη της ταχύτητ
 ας του ανέμου είναι μείζονος σημασία
 ς για την παραγωγή ενέργειας καθώς κ
 αι για την λήψη αποφάσεων. Συνεπώς, 
 για την πρόβλεψη της ταχύτητας του α
 νέμου είναι σημαντικό να βρεθούν αξι
 όπιστα μαθηματικά μοντέλα με τα μικρ
 ότερα δυνατά σφάλματα εκτίμησης. Σκο
 πός της παρούσας διπλωματικής εργασί
 ας, είναι η πρόβλεψη ταχύτητας ανέμο
 υ με μοντέλα χρονοσειρών στο νησί τη
 ς Κρήτης και πιο συγκεκριμένα στις π
 εριοχές της Σητείας και του Κισσάμου
 . Χρησιμοποιούνται ιστορικά δεδομένα
   τα οποία αντλήθηκαν από την σελίδα
  Soda (SOlar radiation Data) που παρ
 έχει δεδομένα επανανάλυσης (reanalys
 is). Η εργασία επεξεργάζεται δεδομέν
 α ωριαίου βήματος  για το έτος 2021,
   παρέχοντας μια στατιστική ανάλυση 
 της ταχύτητας του ανέμου για τις δύο
  περιοχές καθώς και εύρεση των βέλτι
 στων κατανομών πιθανότητας που εφαρμ
 όζονται καλύτερα στα δεδομένα. Στη σ
 υνέχεια,  εφαρμόζεται το μοντέλο χρο
 νοσειρών ARIMA (Autoregressive Integ
 rated Moving Average) το οποίο παράγ
 ει ωριαίες προβλέψεις  ανά εποχή για
  το έτος  2021. Οι προβλέψεις αφορού
 ν την τελευταία ημέρα της εκάστοτε ε
 ποχής. Επίσης, εφαρμόζεται  το μοντέ
 λο SARIMA (Seasonal Autoregressive I
 ntegrated Moving Average) από το 201
 1 έως το 2020 με μηνιαίο βήμα, λαμβά
 νοντας τις μέσες τιμές  για κάθε μήν
 α της περιόδου ανάλυσης.  Ο στόχος ε
 ίναι η  διερεύνηση της εποχικότητας 
 της ταχύτητας του ανέμου ώστε να γίν
 ει η πρόβλεψη της για το έτος 2020 (
 βάσει των προηγούμενων ετών). Τα βέλ
 τιστα μοντέλα επιλέχθηκαν βάσει των 
 κριτηρίων AIC -- Akaike Information 
 Criterion και BIC -- Bayesian Inform
 ation Criterion αλλά βάσει της συμπε
 ριφοράς των υπολοίπων της χρονοσειρά
 ς. Στη συνέχεια, χρησιμοποιώντας ως 
 στατιστικά  μέτρα την ρίζα  του μέσο
 υ όρου των τετραγώνων των σφαλμάτων 
 (RMSE) και τον μέσο όρο των απόλυτων
  τιμών των σφαλμάτων (MAE), αξιολογε
 ίται η ακρίβεια των προβλέψεων διαφο
 ρετικών μοντέλων ώστε να  εκφρασθεί 
 ποσοτικά η ακρίβεια των προβλέψεων.\
 n Abstract\n The growth of the Earth
 's population has resulted in accele
 rating energy demand as well as envi
 ronmental problems.  Wind energy can
  compensate for some of these proble
 ms, which is why its exploitation is
  an industry that is growing very ra
 pidly. Quantitative analysis and pre
 diction of wind speed is of major im
 portance for energy production and f
 or decision-making. It is therefore 
 important to find reliable mathemati
 cal models with the smallest possibl
 e estimation errors for wind speed p
 rediction. The aim of this thesis is
  the prediction of wind speed with t
 ime series models on the island of C
 rete and more specifically in the re
 gions of Sitia and Kissamos. Histori
 cal data are used which were extract
 ed from the Soda (SOlar radiation Da
 ta) page which provides reanalysis d
 ata. \n The study processes hourly s
 tep data for the year 2021, providin
 g a statistical analysis of wind spe
 ed for the two regions and determini
 ng the optimal probability distribut
 ions for the data. Next, the ARIMA (
 Autoregressive Integrated Moving Ave
 rage) time series model is applied w
 hich produces hourly forecasts by se
 ason for the year 2021. The forecast
 s are for the last day of each seaso
 n. The SARIMA (Seasonal Autoregressi
 ve Integrated Moving Average) model 
 is also applied from 2011 to 2020 wi
 th a monthly step, taking the averag
 e values for each month of the analy
 sis period.  The objective is to inv
 estigate the seasonality of the wind
  speed in order to predict it for th
 e year 2020 (based on previous years
 ). The optimal models were selected 
 based on the AIC -- Akaike Informati
 on Criterion and BIC -- Bayesian Inf
 ormation Criterion but based on the 
 behaviour of the time series residua
 ls. Then, using as statistical measu
 res the root mean square error (RMSE
 ) and the mean absolute error (MAE),
  the accuracy of the forecasts of di
 fferent models is evaluated quantita
 tively.\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20241003T100000
DTEND:20241003T110000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR