Περίληψη: | Η διπλωματική εργασία αφορά την διαδικασία πρόβλεψης καιρικών φαινομένων, μέσω συστημάτων μηχανικής μάθησης. Στο πρώτο τμήμα της εργασίας γίνεται μια εισαγωγή στην πρόβλεψη των καιρικών φαινομένων, μέσω των βασικών εννοιών, των τεχνικών, των μεθόδων και των εργαλείων που χρησιμοποιούνται για τις προβλέψεις. Στη συνέχεια αναλύονται τα νευρωνικά δίκτυα και η μηχανική μάθηση ως εργαλεία τα οποία είναι στη διάθεση των πιο σύγχρονων τεχνολογιών αιχμής και χρησιμοποιούνται στην καθημερινότητα, όπως και στην πρόγνωση του καιρού. Κατά τη λειτουργία τους, τα παραπάνω εργαλεία χρησιμοποιούν μεθόδους ταξινόμησης και ομαδοποίησης οι οποίες αναλύονται στην παρούσα διπλωματική. Αφού παρουσιαστούν εκτενώς τα παραπάνω, θα χρησιμοποιηθεί ένα database που περιέχει δεδομένα για την πρόβλεψη καιρού. Τo database συνθέτουν δεδομένα που αφορούν τη βροχόπτωση, τη θερμοκρασία, την πίεση στην ατμόσφαιρα, την κατεύθυνση και την ταχύτητα των ανέμων. Τα δεδομένα εισάγονται σε RNN δίκτυο και σε διαδικασίες ομαδοποίησης και ταξινόμησης. Συγκεκριμένα, σε KNN, Regression, Random Forest, Decision Tree, SVM και Naïve Bayes για την διαδικασία Classification, K-Means και Agglomerativeγια τη διαδικασία Clustering. Τέλος, γίνεται πρόβλεψη με ένα LSTM μοντέλο. Κατά το πρακτικό τμήμα της διπλωματικής (κεφάλαιο 7) εφαρμόζονται τα στοιχεία που έχουν παρατεθεί στο θεωρητικό τμήμα της (κεφάλαια 1-6) και καταλήγουμε στη διεξαγωγή συμπερασμάτων (κεφάλαιο 8).
|