This tutorial is based on modification of the professor nomination lecture presented two years ago in front of the Scientific Council of the Czech Technical University in Prague [16].It is devoted to the techniques for the models developing suitable for processes forecasting in complex systems. Because of the high sensitivity of the processes to the initial conditions and, consequently, due to our limited possibilities to forecast the processes for the long-term horizon, the attention is focused on the techniques leading to practical applications of the short term prediction models. The aim of this tutorial paper is to bring attention to possible difficulties which designers of the predicting models and their users meet and which have to be solved during the prediction model developing, validation, testing, and applications. The presented overview is not complete, it only reflects the author's experience with developing of the prediction models for practical tasks solving in banking, meteorology, air pollution and energy sector. The paper is completed by an example of the global solar radiation prediction which forms an important input for the electrical energy production forecast from renewable sources. The global solar radiation forecasting is based on numerical weather prediction models. The time-lagged ensemble technique for uncertainty quantification is demonstrated on a simple example.
Η παρούσα διατριβή εστιάζει στην εύρεση της ενεργειακά βέλτιστης διαδρομής προς τον επιθυμητό προορισμό μέσω της εφαρμογής των σύγχρονων τεχνολογιών της υπολογιστικής νοημοσύνης και των επικοινωνιών. Συγκεκριμένα, εφαρμόζει τεχνικές μηχανικής μάθησης για την εκμετάλλευση της πρότερης εμπειρίας ενός οχήματος και την πραγματοποίηση αξιόπιστων εκτιμήσεων του ενεργειακού κόστους των πιθανών διαδρομών προς τον επιθυμητό προορισμό και αξιοποιεί τις διαθέσιμες τεχνολογίες V2V και V2I για την ενεργοποίηση της δυνατότητας ανταλλαγής εμπειρίας μεταξύ των οχημάτων μέσω της εδραίωσης συνεργατικών σχημάτων.Αρχικά, η διατριβή επικεντρώνεται στην παρουσίαση της τρέχουσας κατάστασης και των αναμενόμενων εξελίξεων στον τομέα των μεταφορών και απεικονίζει τις πραγματικές διαστάσεις του ενεργειακού προβλήματος που βιώνουμε. Προκειμένου να περιοριστεί το πρόβλημα αυτό, αναπτύχθηκαν τα λεγόμενα «πράσινα» οχήματα (όπως είναι για παράδειγμα τα πλήρως ηλεκτροκινούμενα οχήματα), τα οποία είναι φιλικότερα προς το περιβάλλον σε σχέση με τα οχήματα που εξοπλίζονται με μηχανές εσωτερικής καύσης. Ωστόσο, οι τεχνολογίες που υλοποιούν θέτουν κάποιους σημαντικούς περιορισμούς (π.χ. περιορισμένη αυτονομία και χρονοβόρος διαδικασία φόρτισης) όσον αφορά στη χρήση τους. Μέσα στα πλαίσια αυτά διατυπώνεται το αντικείμενο της διατριβής που συνίσταται στην επέκταση της αυτονομίας των πλήρως ηλεκτροκινούμενων οχημάτων με τη χρησιμοποίηση τεχνολογιών, που έγκεινται σε διαφορετικά επιστημονικά πεδία, όπως είναι οι τεχνολογίες υπολογιστικής νοημοσύνης και επικοινωνιών. Η μελέτη όλων των σχετικών εργασιών που έχουν πραγματοποιηθεί αναφορικά με το αντικείμενο της παρούσας διατριβής αποδεικνύει ότι μια τέτοια προσέγγιση είναι καινοτόμος και ως εκ τούτου παρουσιάζει μεγάλο ενδιαφέρον.Το υπόλοιπο της διατριβής, λοιπόν, κλιμακώνεται με στόχο την ανάπτυξη και επαλήθευση των προτεινόμενων ευφυών αλγορίθμων εύρεσης της ενεργειακά βέλτιστης διαδρομής. Σε πρώτο στάδιο, αναλύεται και διατυπώνεται το εξεταζόμενο πρόβλημα και τεκμηριώνονται οι επιλογές που πραγματοποιούνται για την επίλυσή του. Σημαντικά ζητήματα που καλείται να αντιμετωπίσει η συγκεκριμένη διατριβή είναι η αξιόπιστη εκτίμηση του ενεργειακού κόστους των πιθανών διαδρομών προς τον επιθυμητό προορισμό, καθώς και η ενσωμάτωση κάποιων ιδιαιτεροτήτων των πλήρως ηλεκτροκινούμενων οχημάτων στους υπολογισμούς (π.χ. η δυνατότητα επανάκτησης ενέργειας μέσω της αναγεννητικής πέδησης). Για την αντιμετώπιση των ζητημάτων αυτών προτείνεται η εφαρμογή τεχνικών μηχανικής μάθησης και η εκτίμηση του ενεργειακού κόστους των διαδρομών με βάση την πρότερη εμπειρία, που συλλέγεται κατά την κίνηση του οχήματος ή μετά την ανταλλαγή εμπειρίας με άλλα οχήματα. Παράλληλα, εφαρμόζονται κατάλληλες τεχνικές μετατόπισης για την εξάλειψη της πιθανότητας εμφάνισης αρνητικού ενεργειακού κόστους κατά τον υπολογισμό μιας διαδρομής και αναπτύσσεται μία μέθοδος διαφύλαξης της ιδιωτικότητας των χρηστών κατά την ανταλλαγή εμπειρίας μεταξύ των οχημάτων.Σε δεύτερο στάδιο, αναπτύσσεται η αρχιτεκτονική ενός ευφυούς συστήματος πλοήγησης που υλοποιεί τους προτεινόμενους αλγορίθμους εύρεσης της ενεργειακά βέλτιστης διαδρομής. Με βάση αυτήν την αρχιτεκτονική, μελετώνται οι δυνατότητες κλιμάκωσης και εφαρμογής του συστήματος πλοήγησης που σχεδιάστηκε. Αφού, λοιπόν, διαπιστώνεται ότι τα διαθέσιμα μέσα υλικού και λογισμικού μπορούν να υποστηρίξουν τη λειτουργία του συστήματος αυτού, ακολουθεί το τελικό στάδιο της ανάπτυξης της διατριβής.Κατά το στάδιο αυτό, αναπτύσσεται ένα πρωτότυπο σύστημα σύμφωνα με την αρχιτεκτονική που σχεδιάστηκε και στη συνέχεια αυτό εγκαθίσταται σε ένα πλήρως ηλεκτροκινούμενο όχημα. Το όχημα αυτό χρησιμοποιείται για την πραγματοποίηση δοκιμών πεδίου με στόχο την αξιολόγηση των προτεινόμενων αλγορίθμων εύρεσης της ενεργειακά βέλτιστης διαδρομής τόσο σε επίπεδο αποδοτικότητας, όσο και σε επίπεδο χρηστικότητας των παραγόμενων διαδρομών για τον οδηγό του οχήματος. Με βάση, λοιπόν, τα αποτελέσματα αυτά εξάγονται τα τελικά συμπεράσματα της διατριβής.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.