Back to search

National and Kapodistrian University of Athens

Development of Artificial Neural Networks models for the Prognosis of Rainfall in Representative Locations of Greece

Abstract

dc:description

Η παρούσα διπλωματική εργασία επικεντρώνεται στην ανάπτυξη μοντέλων Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ) για την πρόβλεψη (πρόγνωση) βροχοπτώσεων σε αντιπροσωπευτικές τοποθεσίες στην Ελλάδα, με την πόλη της Πάτρας να επιλέγεται ως η κύρια περιοχή μελέτης. Η Πάτρα είναι η τρίτη μεγαλύτερη πόλη στην Ελλάδα και η πιο πυκνοκατοικημένη πόλη στην περιοχή της Δυτικής Ελλάδας, καθιστώντας την κρίσιμη τοποθεσία για την πρόβλεψη βροχοπτώσεων λόγω της κλιματικής και αστικής της σημασίας. Η μελέτη χρησιμοποιεί μετεωρολογικά δεδομένα που συλλέχθηκαν από την διαδικτυακή πλατφόρμα Renewables.ninja (https://www.renewables.ninja/) για την περίοδο από το 2000 έως το 2023. Το σύνολο δεδομένων υποβλήθηκε πρώτα σε διεξοδική προεπεξεργασία και στατιστική ανάλυση, συμπεριλαμβανομένων οπτικών αναπαραστάσεων με τη μορφή γραφημάτων, για τον εντοπισμό προτύπων και τάσεων. Μετά την προεπεξεργασία, τα δεδομένα εισήχθησαν στο MATLAB, όπου αναπτύχθηκαν μοντέλα πρόβλεψης βροχοπτώσεων χρησιμοποιώντας την εφαρμογή Τεχνητά Νευρωνικά Δίκτυα και την εφαρμογή Classification Learner. Το σύνολο δεδομένων χωρίστηκε σε δύο υποσύνολα: τα πρώτα 21 έτη (2000–2020) χρησιμοποιήθηκαν για την εκπαίδευση των μοντέλων, ενώ τα τελευταία 2 έτη (2022–2023) διατηρήθηκαν για σκοπούς δοκιμών. Εξερευνήθηκαν αρκετές αρχιτεκτονικές και αλγόριθμοι ταξινόμησης ANN για τον εντοπισμό των πιο ακριβών και αξιόπιστων διαμορφώσεων μοντέλων. Η απόδοση του μοντέλου αξιολογήθηκε χρησιμοποιώντας ευρέως αποδεκτές στατιστικές μετρήσεις, όπως το Root Mean Square Error (RMSE), τον Συντελεστή Συσχέτισης Pearson (R), τον Συντελεστή Προσδιορισμού (R²) και πρόσθετα μέτρα επικύρωσης. Παρέχονται στιγμιότυπα οθόνης και λεπτομερή βήματα της διαδικασίας μοντελοποίησης στο MATLAB για την ενίσχυση της αναπαραγωγιμότητας και της κατανόησης της ροής εργασίας. Τα αποτελέσματα υπογραμμίζουν τις δυνατότητες των προσεγγίσεων που βασίζονται σε ANN για αποτελεσματική πρόβλεψη βροχοπτώσεων στο ελληνικό πλαίσιο και τα μοντέλα με τις καλύτερες επιδόσεις συζητούνται ως προς την ακρίβεια και την πρακτική τους εφαρμογή. Αυτή η έρευνα συμβάλλει στο ευρύτερο πεδίο της υδρολογικής μοντελοποίησης και προσφέρει πληροφορίες για το πώς οι μέθοδοι που βασίζονται σε δεδομένα μπορούν να υποστηρίξουν τη διαχείριση υδατικών πόρων σε τοπική κλίμακα και τα συστήματα έγκαιρης προειδοποίησης.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Ευστρατίου Άννα
  • Efstratiou Anna

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3585140

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Ευστρατίου Άννα; Efstratiou Anna. Development of Artificial Neural Networks models for the Prognosis of Rainfall in Representative Locations of Greece. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/3585140