08
Ιουλ

Παρουσίαση διπλωματικής εργασιας κ. ΘΕΜΕΛΗ ΘΩΜΑ, Σχολή ΜΠΔ
Κατηγορία: Παρουσίαση Διπλωματικής Εργασίας   ΜΠΔ  
ΤοποθεσίαΔ5 - Κτίριο ΜΠΔ, Δ5.007
Ώρα08/07/2026 11:00 - 12:00

Περιγραφή:

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Μηχανικών Παραγωγής και Διοίκησης
Πρόγραμμα Προπτυχιακών Σπουδών

 

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ημερομηνία: Τετάρτη, 8 Ιουλίου 2026, 11:00
Αίθουσα: κτίριο ΜΠΔ Δ5.007 Εργαστήριο συστημάτων Χρηματοοικονομικής Διοίκησης

Ονοματεπώνυμο: ΘΕΜΕΛΗΣ ΘΩΜΑΣ

Θέμα: Νεύρο-ασαφές σύστημα πρόβλεψης των τιμών των σιτηρών

Title: Neurofuzzy grain price prediction system

Εξεταστική Επιτροπή

  • ΑΤΣΑΛΑΚΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθηγητής (επιβλέπων)
  • ΖΟΠΟΥΝΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ, Καθηγητής
  • ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής

Περίληψη

Τα σιτηρά αποτελούν ένα πολύ σημαντικό μέλος της διατροφής των ανθρώπων από τα αρχαία χρόνια. Σκοπός λοιπόν της συγκεκριμένης διπλωματικής εργασίας ,είναι η πρόβλεψη των τιμών των σιτηρών μέσω της χρήσης του νευροασαφούς συστήματος πρόβλεψης (ANFIS).Το νευροασαφές σύστημα πρόβλεψης είναι ένας συνδυασμός των νευρωνικών δικτύων και της ασαφούς λογικής. Για αυτό λοιπόν τα αποτελέσματα του αλγορίθμου ANFIS θα συγκριθούν με εκείνα των νευρωνικών δικτύων (ΝΝ) και με αυτά του αυτοπαλίνδρομου μοντέλου (AR) .Στη συνέχεια θα γίνει σύγκριση μεταξύ των αποτελεσμάτων που έδωσαν τα μοντέλα ,αλλά και με τις πραγματικές τιμές ,ούτως ώστε να αποδειχθεί εάν ισχύει η υπεροχή του νευροασαφούς συστήματος πρόβλεψης έναντι των άλλων μοντέλων.

Abstract

Grains have been a very important part of people's nutrition since ancient times. The purpose of this thesis is to predict grain prices using the neuro-fuzzy forecasting system (ANFIS). The neuro-fuzzy forecasting system is a combination of neural networks and fuzzy logic. Because of that, the results of the ANFIS algorithm will be compared with those of neural networks (NN) and with those of the autoregressive model (AR). Then, a comparison will be made between the results given by the models, and also with the actual prices, in order to prove whether the superiority of the neuro-fuzzy forecasting system over the other models is valid.