Υποστήριξη αποφάσεων και προβλέψεων σε κυβερνοφυσικά συστήματα που βασίζονται σε υπολογιστικά εργαλεία και εργαλεία μηχανικής μάθησης
Περίληψη
Οι σύγχρονες τάσεις τείνουν να εκμεταλλεύονται την αυξημένη υπολογιστική ισχύ για την ανάπτυξη κυβερνοφυσικών συστημάτων που θα υποστηρίζουν ή θα λαμβάνουν αποφάσεις σε πολύπλοκα προβλήματα. Αυτή η διατριβή επικεντρώνεται σε περιβαλλοντικά προβλήματα όπως η κατανάλωση ενέργειας και η διαχείριση των υδατικών πόρων και πώς τα αυτοματοποιημένα συστήματα μπορούν να συνδράμουν σε αποφάσεις και προβλέψεις που σχετίζονται με αυτά τα θέματα χρησιμοποιώντας σύγχρονες επιστημονικές μεθόδους όπως πιθανολογικά εργαλεία και εργαλεία μηχανικής μάθησης. Μία βασική εξέταση ήταν ότι η πίεση στα γεωργικά συστήματα αυξάνεται και η λειψυδρία αναμένεται να αποτελέσει σημαντικό περιορισμό για την αειφόρο ανάπτυξη τους. Η αύξηση της γεωργικής ζήτησης και της τιμής του νερού είναι πολύ ρεαλιστικά και σίγουρα θα επηρεάσουν το κέρδος, καθιστώντας τις προβλέψεις ακόμη πιο χρήσιμο εργαλείο στην αγροτική οικονομία. Τελικά, οι μεθοδολογίες μηχανικής δεδομένων και μηχανικής μάθησης θα λειτουργήσουν συνδυαστικά για ν ...
περισσότερα
Περίληψη σε άλλη γλώσσα
Modern trends tend to exploit increased computational power to develop cyber-physical systems that will support or act as decision-makers in complex problems. This Thesis focuses on environmental problems such as energy consumption and water resource management and how automated systems can assist decisions and predictions related to those matters using modern scientific methods such as probabilistic and Machine Learning tools. A key consideration was that pressure on agricultural systems is increasing, and water scarcity is expected to become an important constraint to sustainable development. An increase in agricultural demand and water price is very realistic and will certainly affect the profit, making predictions an even more useful tool in the farming economy. Ultimately, data engineering and Machine Learning methodologies will work combined to produce reliable predictions in the agriculture domain in terms of maximizing estimated yield profit while preserving and well-managing w ...
περισσότερα
Περίληψη σε άλλη γλώσσα
Tendințele moderne tind să exploateze puterea de calcul crescută pentru a dezvolta sisteme ciber-fizice care să sprijine sau să acționeze ca factori de decizie în probleme complexe. Această teză se concentrează pe problemele de mediu, cum ar fi consumul de energie și gestionarea resurselor de apă și modul în care sistemele automatizate pot asista deciziile și predicțiile legate de aceste aspecte folosind metode științifice moderne, cum ar fi instrumentele probabilistice și de învățare automată. Un aspect important la constituit presiunea în creștere asupra sistemelor agricole în care deficitul de apă este de așteptat să devină o constrângere importantă pentru dezvoltarea durabilă. O creștere a cererii de produse agricole precum şi creşterea prețului apei sunt previzibile și cu siguranță vor afecta profitul, făcând predicțiile un instrument și mai util în economia activităţii agricole. Metodele de inginerie a datelor și de învățare automată vor fi utilizate pentru a genera predicții fia ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (2.43 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.