Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης

Η συγκεκριμένη διπλωματική εργασία εστιάζει στην ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης, με στόχο την πρόβλεψη του τελικού προορισμού των πλοίων, βάσει της τροχιάς και της τρέχουσας κατάστασής τους, όπως αυτή ορίζεται από πλήθος δεδομένων μεταβλητών. Στα πλαίσια της εργασίας, δι...

Full description

Bibliographic Details
Main Author: Γάσπαρη, Παναγιώτα
Other Authors: Gaspari, Panagiota
Language:Greek
Published: 2022
Subjects:
Online Access:http://hdl.handle.net/10889/16243
id nemertes-10889-16243
record_format dspace
spelling nemertes-10889-162432022-09-05T20:19:40Z Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης Maritime data analysis with machine learning techniques Γάσπαρη, Παναγιώτα Gaspari, Panagiota Ανάλυση ναυτιλιακών δεδομένων Μηχανική μάθηση Κ πλησιέστεροι γείτονες Ομοιότητα χωρικών τροχιών Ομοιότητα χρονοσειρών Maritime data analysis Machine learning Η συγκεκριμένη διπλωματική εργασία εστιάζει στην ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης, με στόχο την πρόβλεψη του τελικού προορισμού των πλοίων, βάσει της τροχιάς και της τρέχουσας κατάστασής τους, όπως αυτή ορίζεται από πλήθος δεδομένων μεταβλητών. Στα πλαίσια της εργασίας, διεξήχθησαν διαφορετικά πειράματα, βασιζόμενα στον αλγόριθμο κατηγοριοποίησης των Κ πλησιέστερων γειτόνων, ο οποίος στηρίζεται στην ιδέα της ομοιότητας. Τα πειράματα αυτά μπορούν να διακριθούν σε δύο κατηγορίες, βάσει του ορισμού της ομοιότητας σε καθένα από αυτά. Πιο συγκεκριμένα, στην πρώτη κατηγορία πειραμάτων, η ομοιότητα μεταξύ της εκάστοτε τροχιάς προς πρόβλεψη και των ιστορικών τροχιών, προκύπτει βάσει της κατάστασης των πλοίων κοντά στο σημείο πρόβλεψης (ταχύτητα, κατεύθυνση κτλ.) και της χωρικής ομοιότητας των τροχιών ως το σημείο πρόβλεψης, όπως προσδιορίζεται με την απόσταση Fréchet. Σε μια δεύτερη κατηγορία πειραμάτων, οι πορείες των πλοίων περιγράφονται ως πολυμεταβλητές χρονοσειρές και η ομοιότητα μεταξύ τους προκύπτει με μεθόδους ταιριάσματος ανά διάσταση (match-by-dimension), αλλά και με μεθόδους βασιζόμενες στην σύγκριση των χώρων των κύριων συνιστωσών (Principal Components). Τελικά, παρουσιάζονται τα αποτελέσματα των προαναφερθέντων πειραμάτων, το θεωρητικό υπόβαθρο για την κατανόησή τους, καθώς και η σχετική βιβλιογραφία. 2022-06-16T09:46:37Z 2022-06-16T09:46:37Z 2022-06-15 http://hdl.handle.net/10889/16243 gr application/pdf
institution UPatras
collection Nemertes
language Greek
topic Ανάλυση ναυτιλιακών δεδομένων
Μηχανική μάθηση
Κ πλησιέστεροι γείτονες
Ομοιότητα χωρικών τροχιών
Ομοιότητα χρονοσειρών
Maritime data analysis
Machine learning
spellingShingle Ανάλυση ναυτιλιακών δεδομένων
Μηχανική μάθηση
Κ πλησιέστεροι γείτονες
Ομοιότητα χωρικών τροχιών
Ομοιότητα χρονοσειρών
Maritime data analysis
Machine learning
Γάσπαρη, Παναγιώτα
Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης
description Η συγκεκριμένη διπλωματική εργασία εστιάζει στην ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης, με στόχο την πρόβλεψη του τελικού προορισμού των πλοίων, βάσει της τροχιάς και της τρέχουσας κατάστασής τους, όπως αυτή ορίζεται από πλήθος δεδομένων μεταβλητών. Στα πλαίσια της εργασίας, διεξήχθησαν διαφορετικά πειράματα, βασιζόμενα στον αλγόριθμο κατηγοριοποίησης των Κ πλησιέστερων γειτόνων, ο οποίος στηρίζεται στην ιδέα της ομοιότητας. Τα πειράματα αυτά μπορούν να διακριθούν σε δύο κατηγορίες, βάσει του ορισμού της ομοιότητας σε καθένα από αυτά. Πιο συγκεκριμένα, στην πρώτη κατηγορία πειραμάτων, η ομοιότητα μεταξύ της εκάστοτε τροχιάς προς πρόβλεψη και των ιστορικών τροχιών, προκύπτει βάσει της κατάστασης των πλοίων κοντά στο σημείο πρόβλεψης (ταχύτητα, κατεύθυνση κτλ.) και της χωρικής ομοιότητας των τροχιών ως το σημείο πρόβλεψης, όπως προσδιορίζεται με την απόσταση Fréchet. Σε μια δεύτερη κατηγορία πειραμάτων, οι πορείες των πλοίων περιγράφονται ως πολυμεταβλητές χρονοσειρές και η ομοιότητα μεταξύ τους προκύπτει με μεθόδους ταιριάσματος ανά διάσταση (match-by-dimension), αλλά και με μεθόδους βασιζόμενες στην σύγκριση των χώρων των κύριων συνιστωσών (Principal Components). Τελικά, παρουσιάζονται τα αποτελέσματα των προαναφερθέντων πειραμάτων, το θεωρητικό υπόβαθρο για την κατανόησή τους, καθώς και η σχετική βιβλιογραφία.
author2 Gaspari, Panagiota
author_facet Gaspari, Panagiota
Γάσπαρη, Παναγιώτα
author Γάσπαρη, Παναγιώτα
author_sort Γάσπαρη, Παναγιώτα
title Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης
title_short Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης
title_full Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης
title_fullStr Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης
title_full_unstemmed Ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης
title_sort ανάλυση ναυτιλιακών δεδομένων με τεχνικές μηχανικής μάθησης
publishDate 2022
url http://hdl.handle.net/10889/16243
work_keys_str_mv AT gasparēpanagiōta analysēnautiliakōndedomenōnmetechnikesmēchanikēsmathēsēs
AT gasparēpanagiōta maritimedataanalysiswithmachinelearningtechniques
_version_ 1771297290257956864