Χωρική κατάτμηση και ανακατανομή πληθυσμιακών δεδομένων για την βελτίωση της χωρικής διακριτικής ικανότητας με αλγόριθμους μηχανικής εκμάθησης
Η βελτίωση της χωρικής διακριτικής ικανότητας πληθυσμιακών δεδομένων αποτελεί μείζονος σημασίας πληροφορία για πληθώρα επιστημών οι οποίες εντάσσουν στις μελέτες τους την έννοια του χώρου. Η πληθώρα των μεθόδων που χρησιμοποιούνται στην κατάτμηση και στην πρόβλεψη της ανακατανομής πληθυσμιακών δεδομ...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/20432 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| _version_ | 1828460229363236864 |
|---|---|
| author | Λεπενιώτης, Χαράλαμπος |
| author2 | Καβρουδάκης, Δημήτριος |
| author_sort | Λεπενιώτης, Χαράλαμπος |
| collection | DSpace |
| description | Η βελτίωση της χωρικής διακριτικής ικανότητας πληθυσμιακών δεδομένων αποτελεί μείζονος σημασίας πληροφορία για πληθώρα επιστημών οι οποίες εντάσσουν στις μελέτες τους την έννοια του χώρου. Η πληθώρα των μεθόδων που χρησιμοποιούνται στην κατάτμηση και στην πρόβλεψη της ανακατανομής πληθυσμιακών δεδομένων στον χώρο, δηλώνει και την χρησιμότητα για την γνώση σχετικά την χωροθέτηση του πληθυσμού. Οι αρχικές μέθοδοι αναφέρουν τις τεχνικές της επιφανειακής χωρικής παρεμβολής ως αρχικά στάδια εκτίμησης και προχωρούν στις έξυπνες δασυμετρικές μεθόδους οι οποίες χρησιμοποιούν επιπλέον πληροφορία για την περιοχή μελέτης ως βοηθητικά δεδομένα. Ως νεότερες μέθοδοι, οι οποίοι χρησιμοποιούνται και στην συγκεκριμένη διπλωματική εργασία, υπάρχουν οι αλγόριθμοι μηχανικής εκμάθησης οι οποίοι χρησιμοποιούν την λογική της θεωρίας των δέντρων αποφάσεων, με σκοπό της εκπαίδευσής τους στην παραγωγή προβλέψεων μειώνοντας τα σφάλματα ενός μεταβλητού φαινομένου. Ως περιοχή μελέτης ορίσθηκαν τρείς διοικητικές κοινότητες της νήσου Ρόδου. Οι περιοχής της πόλης της Ρόδου, του Αρχάγγελου και της Ιαλυσού επιλέχθηκαν με σκοπό την συσχέτιση της πληθυσμιακής συσσώρευσης και της έκταση. Η επίτευξη της βελτιστοποίησης της ανάλυσης επιτεύχθηκε στο 85,7% επί των αρχικών δεδομένων και η αξιολόγηση των μοντέλων με θεμελιώδεις στατιστικούς δείκτες είναι αυτή που δημιουργεί το συμπέρασμα της ανάγκης της βελτιστοποίησης των αλγορίθμων, μέσω της παραμετροποίησής τους και της ύπαρξης σχέσης ανάμεσα στην πληθυσμιακή συσσώρευση και έκταση της περιοχής μελέτης. |
| id | oai:hellanicus.lib.aegean.gr:11610-20432 |
| institution | Hellanicus |
| language | el_GR |
| publishDate | 2020 |
| record_format | dspace |
| title | Χωρική κατάτμηση και ανακατανομή πληθυσμιακών δεδομένων για την βελτίωση της χωρικής διακριτικής ικανότητας με αλγόριθμους μηχανικής εκμάθησης |
| topic | geography geoinformatics GIS spacial analysis spacial statistics machine learning random forest cubist spatial downscaling Geography Geoinformatics |
| url | http://hdl.handle.net/11610/20432 |
| work_keys_str_mv | AT lepeniōtēscharalampos chōrikēkatatmēsēkaianakatanomēplēthysmiakōndedomenōngiatēnbeltiōsētēschōrikēsdiakritikēsikanotētasmealgorithmousmēchanikēsekmathēsēs |