{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1333256"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1333256","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Χρήση Νευρωνικών Δικτύων και Μεθόδων Identification σε Πειράματα Φυσικού Φωτισμού","abstract":"Η παρούσα εργασία εκπονήθηκε με σκοπό την πρόβλεψη των επιπέδων του εσωτερικού φωτισμού στο επίπεδο αναφοράς του χώρου ενός δωματίου με εγκατεστημένο σύστημα φωτοσωλήνα στην περιοχή της πανεπιστημιούπολης Αθηνών. Για την επίτευξη του στόχου αυτού αναπτύχθηκαν Τεχνητά Νευρωνικά Δίκτυα, τεχνικές μη γραμμικής μοντελοποίησης, με δυνατότητα να εξάγουν έννοιες και αποτελέσματα από περίπλοκα μέχρι ανακριβή στοιχεία και μπορούν να χρησιμοποιηθούν για να αναγνωρίσουν πρότυπα και να ανιχνεύσουν τάσεις εξαιρετικά σύνθετες. Tα δεδομένα που χρησιμοποιήθηκαν ως δεδομένα εισόδου στα Νευρωνικά Δίκτυα είναι: το υψόμετρο και το αζιμούθιο του ήλιου, η μέση τιμή της ηλιακή ακτινοβολίας με χρονικό βήμα ενός λεπτού, η μέση τιμή της διάχυτης ηλιακής ακτινοβολίας που φτάνει στον αισθητήρα μέτρησης με χρονικό βήμα ενός λεπτού, από το Εθνικό Αστεροσκοπείο Αθηνών, καθώς και η εξωτερική φωτεινότητα η οποία μετράται από αισθητήρα στη στέγη του πειραματικού χώρου. Ως δεδομένα targets χρησιμοποιούνται τα δεδομένα από δεκατρείς αισθητήρες στο χώρο του δωματίου οι οποίοι καταγράφουν την εσωτερική φωτεινότητα του χώρου του δωματίου με χρονικό βήμα ενός λεπτού. Τα δεδομένα αναφέρονται στο χρονικό διάστημα 28/11/2014 έως 18/06/2015. Το αποτέλεσμα του νευρωνικού δικτύου είναι η μέση τιμή του τετραγώνου του σφάλματος και η παλινδρόμηση μεταξύ δεδομένων outputs και targets.","abstract_html":"Η παρούσα εργασία εκπονήθηκε με σκοπό την πρόβλεψη των επιπέδων του εσωτερικού φωτισμού στο επίπεδο αναφοράς του χώρου ενός δωματίου με εγκατεστημένο σύστημα φωτοσωλήνα στην περιοχή της πανεπιστημιούπολης Αθηνών. Για την επίτευξη του στόχου αυτού αναπτύχθηκαν Τεχνητά Νευρωνικά Δίκτυα, τεχνικές μη γραμμικής μοντελοποίησης, με δυνατότητα να εξάγουν έννοιες και αποτελέσματα από περίπλοκα μέχρι ανακριβή στοιχεία και μπορούν να χρησιμοποιηθούν για να αναγνωρίσουν πρότυπα και να ανιχνεύσουν τάσεις εξαιρετικά σύνθετες. Tα δεδομένα που χρησιμοποιήθηκαν ως δεδομένα εισόδου στα Νευρωνικά Δίκτυα είναι: το υψόμετρο και το αζιμούθιο του ήλιου, η μέση τιμή της ηλιακή ακτινοβολίας με χρονικό βήμα ενός λεπτού, η μέση τιμή της διάχυτης ηλιακής ακτινοβολίας που φτάνει στον αισθητήρα μέτρησης με χρονικό βήμα ενός λεπτού, από το Εθνικό Αστεροσκοπείο Αθηνών, καθώς και η εξωτερική φωτεινότητα η οποία μετράται από αισθητήρα στη στέγη του πειραματικού χώρου. Ως δεδομένα targets χρησιμοποιούνται τα δεδομένα από δεκατρείς αισθητήρες στο χώρο του δωματίου οι οποίοι καταγράφουν την εσωτερική φωτεινότητα του χώρου του δωματίου με χρονικό βήμα ενός λεπτού. Τα δεδομένα αναφέρονται στο χρονικό διάστημα 28/11/2014 έως 18/06/2015. Το αποτέλεσμα του νευρωνικού δικτύου είναι η μέση τιμή του τετραγώνου του σφάλματος και η παλινδρόμηση μεταξύ δεδομένων outputs και targets.","abstract_has_math":false,"creators":["Ασπρούλιας Χαράλαμπος","Asproulias Charalampos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2017,"date_issued":"2017","date_published":"2017","updated_at":"2026-11-19T05:27:47Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1333256"],"render_values":[{"text":"uoadl:1333256","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1333256","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1333256","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1333256","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ασπρούλιας Χαράλαμπος","Asproulias Charalampos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2017"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1333256","https://pergamos.lib.uoa.gr/uoa/dl/object/1333256"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα εργασία εκπονήθηκε με σκοπό την πρόβλεψη των επιπέδων του εσωτερικού φωτισμού στο επίπεδο αναφοράς του χώρου ενός δωματίου με εγκατεστημένο σύστημα φωτοσωλήνα στην περιοχή της πανεπιστημιούπολης Αθηνών. Για την επίτευξη του στόχου αυτού αναπτύχθηκαν Τεχνητά Νευρωνικά Δίκτυα, τεχνικές μη γραμμικής μοντελοποίησης, με δυνατότητα να εξάγουν έννοιες και αποτελέσματα από περίπλοκα μέχρι ανακριβή στοιχεία και μπορούν να χρησιμοποιηθούν για να αναγνωρίσουν πρότυπα και να ανιχνεύσουν τάσεις εξαιρετικά σύνθετες. Tα δεδομένα που χρησιμοποιήθηκαν ως δεδομένα εισόδου στα Νευρωνικά Δίκτυα είναι: το υψόμετρο και το αζιμούθιο του ήλιου, η μέση τιμή της ηλιακή ακτινοβολίας με χρονικό βήμα ενός λεπτού, η μέση τιμή της διάχυτης ηλιακής ακτινοβολίας που φτάνει στον αισθητήρα μέτρησης με χρονικό βήμα ενός λεπτού, από το Εθνικό Αστεροσκοπείο Αθηνών, καθώς και η εξωτερική φωτεινότητα η οποία μετράται από αισθητήρα στη στέγη του πειραματικού χώρου. Ως δεδομένα targets χρησιμοποιούνται τα δεδομένα από δεκατρείς αισθητήρες στο χώρο του δωματίου οι οποίοι καταγράφουν την εσωτερική φωτεινότητα του χώρου του δωματίου με χρονικό βήμα ενός λεπτού. Τα δεδομένα αναφέρονται στο χρονικό διάστημα 28/11/2014 έως 18/06/2015. Το αποτέλεσμα του νευρωνικού δικτύου είναι η μέση τιμή του τετραγώνου του σφάλματος και η παλινδρόμηση μεταξύ δεδομένων outputs και targets.","This work deals with the prediction of the levels of interior illuminance on the reference plane of a test cell with a light pipe system installed in the University of Athens campus. To achieve this goal Artificial Neural Networks (ANN) were developed, using nonlinear modeling techniques, which are able to extract concepts and results from complex to inaccurate data and can be used to identify patterns and detect trends which are extremely complex. The data used as inputs to the neural networks are the sun altitude and azimuth, the average value of solar radiation with a time step of one minute and the mean value of diffuse solar radiation reaching the measuring sensor after reflection from other components with a time step of a minute from the national Observatory of Athens, as well as, the mean value of the exterior illuminance with a time step of one minute from a measuring sensor in the roof of the room with the light pipe. The target data that were used include the interior illuminance (with a time step of one minute), recorded by thirteen sensors in the test cell. The period of data collection is from 28/11/2014 until 18/06/2015. The results of the neural networks are the mean Squared Error and the regression between outputs and targets."]},{"key":"dc:title","label":"Title","values":["Χρήση Νευρωνικών Δικτύων και Μεθόδων Identification σε Πειράματα Φυσικού Φωτισμού"]}]}],"canonical_facts":{"dc:creator":["Ασπρούλιας Χαράλαμπος","Asproulias Charalampos"],"dc:date":["2017"],"dc:description":["Η παρούσα εργασία εκπονήθηκε με σκοπό την πρόβλεψη των επιπέδων του εσωτερικού φωτισμού στο επίπεδο αναφοράς του χώρου ενός δωματίου με εγκατεστημένο σύστημα φωτοσωλήνα στην περιοχή της πανεπιστημιούπολης Αθηνών. Για την επίτευξη του στόχου αυτού αναπτύχθηκαν Τεχνητά Νευρωνικά Δίκτυα, τεχνικές μη γραμμικής μοντελοποίησης, με δυνατότητα να εξάγουν έννοιες και αποτελέσματα από περίπλοκα μέχρι ανακριβή στοιχεία και μπορούν να χρησιμοποιηθούν για να αναγνωρίσουν πρότυπα και να ανιχνεύσουν τάσεις εξαιρετικά σύνθετες. Tα δεδομένα που χρησιμοποιήθηκαν ως δεδομένα εισόδου στα Νευρωνικά Δίκτυα είναι: το υψόμετρο και το αζιμούθιο του ήλιου, η μέση τιμή της ηλιακή ακτινοβολίας με χρονικό βήμα ενός λεπτού, η μέση τιμή της διάχυτης ηλιακής ακτινοβολίας που φτάνει στον αισθητήρα μέτρησης με χρονικό βήμα ενός λεπτού, από το Εθνικό Αστεροσκοπείο Αθηνών, καθώς και η εξωτερική φωτεινότητα η οποία μετράται από αισθητήρα στη στέγη του πειραματικού χώρου. Ως δεδομένα targets χρησιμοποιούνται τα δεδομένα από δεκατρείς αισθητήρες στο χώρο του δωματίου οι οποίοι καταγράφουν την εσωτερική φωτεινότητα του χώρου του δωματίου με χρονικό βήμα ενός λεπτού. Τα δεδομένα αναφέρονται στο χρονικό διάστημα 28/11/2014 έως 18/06/2015. Το αποτέλεσμα του νευρωνικού δικτύου είναι η μέση τιμή του τετραγώνου του σφάλματος και η παλινδρόμηση μεταξύ δεδομένων outputs και targets.","This work deals with the prediction of the levels of interior illuminance on the reference plane of a test cell with a light pipe system installed in the University of Athens campus. To achieve this goal Artificial Neural Networks (ANN) were developed, using nonlinear modeling techniques, which are able to extract concepts and results from complex to inaccurate data and can be used to identify patterns and detect trends which are extremely complex. The data used as inputs to the neural networks are the sun altitude and azimuth, the average value of solar radiation with a time step of one minute and the mean value of diffuse solar radiation reaching the measuring sensor after reflection from other components with a time step of a minute from the national Observatory of Athens, as well as, the mean value of the exterior illuminance with a time step of one minute from a measuring sensor in the roof of the room with the light pipe. The target data that were used include the interior illuminance (with a time step of one minute), recorded by thirteen sensors in the test cell. The period of data collection is from 28/11/2014 until 18/06/2015. The results of the neural networks are the mean Squared Error and the regression between outputs and targets."],"dc:identifier":["uoadl:1333256","https://pergamos.lib.uoa.gr/uoa/dl/object/1333256"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Χρήση Νευρωνικών Δικτύων και Μεθόδων Identification σε Πειράματα Φυσικού Φωτισμού"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:27:47Z"}