Ανάλυση Δεδομένων Θερμοκρασίας με Χρήση Τεχνικών Διασφάλισης Ποιότητας

Analysis of Temperature Data Using Quality Assurance Techniques (Αγγλική)

  1. MSc thesis
  2. ΠΑΠΠΑ, ΠΑΝΑΓΙΩΤΑ
  3. Διαχείριση και Τεχνολογία Ποιότητας (ΔΙΠ)
  4. 19 Σεπτεμβρίου 2021 [2021-09-19]
  5. Ελληνικά
  6. 68
  7. Ρακιτζής, Αθανάσιος
  8. Ρακιτζής, Αθανάσιος | Τριανταφύλλου , Ιωάννης
  9. Χρονοσειρές, θερμοκρασία αέρα, αποσύνθεση, ARIMA, SARIMA, EWMA | Time series, air temperature, decomposition, ARIMA, SARIMA, EWMA
  10. 1
  11. 4
  12. 24
  13. Περιέχει : πίνακες, διαγράμματα
    • Η αύξηση της θερμοκρασίας του πλανήτη και οι επιπτώσεις αυτής, έχουν οδηγήσει σε μία προσπάθεια συλλογής κλιματικών δεδομένων, επεξεργασίας και αξιολόγησής τους. Στην παρούσα διπλωματική εργασία ασχολήκαμε με την ανάλυση δεδομένων θερμοκρασίας για την πόλη της Αθήνας. Τα δεδομένα αφορούν ημερήσιες μετρήσεις για το διάστημα από τον Ιανουάριο του 1995 έως και τον Απρίλιο του 2012. Αρχικά έγινε μία σύντομη παρουσίαση του θεωρητικού υπόβαθρου στο οποίο βασίζεται η εργασία. Προχωρήσαμε σε περιγραφική ανάλυση των δεδομένων, μέσω κατάλληλων διαγραμμάτων, ενώ θα δοθούν και οι τιμές κατάλληλων στατιστικών δεικτών. Συνεχίζοντας με την ανάλυση, εφαρμόσαμε τη μεθοδολογία για την ανάπτυξη ενός εποχιακού μοντέλου SARIMA που περιγράφει κατάλληλα την ελάχιστη μηνιαία θερμοκρασία. Το καταλληλότερο μοντέλο θα επιλέγθηκε με βάση τα κριτήρια AIC, SBIC. Κατασκευάστηκαν ακόμα κατάλληλα διαγράμματα ελέγχου βασισμένα στα κατάλοιπα του μοντέλου.
    • Temperature rise has led to an attempt to collect, process and analyse climate data. The purpose of this master thesis is to analyze the temperature data for the city of Athens. The data refer to daily measurements for the period from January 1995 to April 2012. Initially, a brief presentation of the theoretical background of time series analysis is taking place. We will present the fundamental concepts that governs time series analysis, such as autocorrelation, stationarity, etc. The four components in which a time series can be decomposed (Secular trend, Seasonal variations, Cyclical fluctuations and Irregular variations) and the method of time series decomposition will be also presented. Continuing, there will be a detailed description of the procedure followed for the construction of univariate time series models. Finally, we will refer to the construction of control charts in case of autocorrelated data. In the next part of the master thesis, we will deal with the analysis of temperature data for the city of Athens. Initially, a descriptive analysis of the data through appropriate diagrams and statistical indicators will be presented. Continuing with the analysis, we will apply the methodology for developing a seasonal ARIMA model that will adequately describe the minimum monthly temperature. The most suitable model will be selected based on the AIC, SBIC criteria. Appropriate control charts based on model residues will also be constructed.
  15. Αναφορά Δημιουργού 4.0 Διεθνές