Please use this identifier to cite or link to this item:
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΔημοπουλος Σπυριδων
dc.description.abstractΟ Τουρισμός αποτελεί έναν από τους σημαντικότερους τομείς δραστηριότητας παγκοσμίως, με σημαντικές συνέπειες στην κοινωνική, πολιτιστική και οικονομική ζωή των διαφόρων χωρών. Ειδικότερα στη χώρα μας, ο τουρισμός έχει βαρύνουσα σημασία στην οικονομική της ανάπτυξη, μιας και η Ελλάδα κατέχει σημαντικό μερίδιο της παγκόσμιας τουριστικής αγοράς.Η πρόβλεψη της Τουριστικής Ζήτησης είναι ιδιαίτερα σημαντική στην εποχή που ζούμε. Κατα καιρούς έχουν διατυπωθεί διάφορες θεωρίες και αναπτυχθεί ποικίλλες μέθοδοι για την εύρεση ενός τρόπου, όσο το δυνατόν, πιο ακριβούς πρόβλεψης με το μικρότερο σφάλμα. Μια από αυτές είναι και η Πρόβλεψη Χρονοσειρών με τη χρήση Νευρωνικών Δικτύων, ένα πεδίο που ανήκει στον ευρύτερο τομέα της Τεχνητής Νοημοσύνης.Ο σκοπός της διπλωματικής αυτής εργασίας ήταν η μελέτη διαφόρων Μεθόδων Πρόβλεψης της Τουριστικής Ζήτησης με τη χρήση Νευρωνικών Δικτύων και η εξαγωγή χρήσιμων συμπερασμάτων σχετικά με τις παραμέτρους που τις επηρεάζουν. Όλη αυτή η διαδικασία γίνεται μέσω της πρόβλεψης ειδικών Χρονοσειρών, με τη χρήση ειδικών Υπολογιστικών Προγραμμάτων Τεχνητής Νοημοσύνης. Δοκιμάστηκαν διάφορες αρχιτεκτονικές νευρωνικών δικτύων με εισόδους τα δεδομένα των χρονοσειρών, τα προεπεξεργασμένα δεδομένα των χρονοσειρών, τις προβλέψεις μεθόδων πάνω στα δεδομένα και ανεξάρτητες ερμηνευτικές μεταβλητές.Tourism is one of the biggest areas of activity worldwide, with significant implications for social, cultural and economic life of various countries. Particularly, in our country, tourism plays an important role in economic development while Greece holds a significant share of the global tourism market.Nowadays, forecasting Tourism Demand is extremely important. Occasionally, various theories have been issued and different methods have been developed in order to find a way to forecast, as accurate as possible, with the lowest error. One of them is Timeseries Forecasting using Neural Networks, a field belonging to the wide field of Artificial Intelligence.The purpose of this diplomatic work was to study various methods of Forecasting Tourism Demand using Neural Networks and extraction of useful conclusions about the parameters that affect them. This whole process is through forecasting particular Timeseries, using special Computer Programs with Artificial Intelligence. Various Architectures of Neural Networks were tested. As Inputs we used Timeseries Data, preprocessed Timeseries Data, forecasting methods’ results on the Data and independent explanatory Variables.
dc.subjectπρόβλεψη χρονοσειρών
dc.subjectτουριστική ζήτηση
dc.subjectνευρωνικά δίκτυα
dc.subjectτεχνητή νοημοσύνη
dc.subjecttimeseries forecasting
dc.subjecttourism demand
dc.subjectneural networks
dc.subjectartificial intelligence
dc.titleΠροβλεψη Χρονοσειρων Με Τη Χρηση Νευρωνικων Δικτυων - Εφαρμογη Στον Τομεα Του Τουρισμου
dc.typeDiploma Thesis
dc.contributor.supervisorΑσημακόπουλος Βασίλειος
dc.departmentΤομέας Ηλεκτρικών Βιομηχανικών Διατάξεων & Συστημάτων Αποφάσεων
dc.organizationΕΜΠ, Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File SizeFormat 
DT2008-0162.doc2.46 MBMicrosoft WordView/Open

Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.