ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΠΡΟΒΛΕΨΗΣ ΥΔΑΤΙΝΩΝ ΑΠΟΘΕΜΑΤΩΝ ΤΑΜΙΕΥΤΗΡΑ ΜΕ ΑΛΓΟΡΙΘΜΟΥΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ

Abstract

Στόχος της παρούσας διπλωματικής εργασίας είναι η πρόβλεψη των αποθεμάτων νερού σε ταμιευτήρες, με τη χρήση αλγορίθμων τεχνητής νοημοσύνης. Η μελέτη επικεντρώνεται στους ταμιευτήρες του Μόρνου και του Εύηνου, οι οποίοι αποτελούν κρίσιμες πηγές ύδρευσης για την Αττική. Σε μια εποχή όπου η κλιματική αλλαγή και οι συνέπειές της (όπως η ξηρασία, η μειωμένη βροχόπτωση και η λειψυδρία) επηρεάζουν ολοένα και περισσότερο την καθημερινότητά μας, η ορθολογική διαχείριση των υδατικών πόρων καθίσταται επιτακτική. Η τεχνητή νοημοσύνη μπορεί να διαδραματίσει καθοριστικό ρόλο στη βελτιστοποίηση αυτής της διαχείρισης, παρέχοντας αξιόπιστες και έγκαιρες προβλέψεις. Η εργασία αναπτύσσεται σε συνολικά επτά κεφάλαια, στα οποία παρουσιάζονται οι θεωρητικές βάσεις, τα τεχνικά χαρακτηριστικά των ταμιευτήρων, η μεθοδολογία, τα πειραματικά αποτελέσματα και τα τελικά συμπεράσματα. Στο πρώτο κεφάλαιο παρουσιάζονται στοιχεία για τους ταμιευτήρες, όπως τα τεχνικά χαρακτηριστικά των φραγμάτων και των ταμιευτήρων, τις σήραγγες μεταφοράς νερού που αξιοποιούνται, καθώς και το υδραγωγείο του Μόρνου, τεκμηριώνοντας την αξία τους στην υδροδότηση της πρωτεύουσας. Στο δεύτερο κεφάλαιο γίνεται εισαγωγή στις βασικές έννοιες της τεχνητής νοημοσύνης και της μηχανικής μάθησης. Αναλύονται οι τύποι μάθησης (επιβλεπόμενη, μη επιβλεπόμενη, ενισχυτική), τα νευρωνικά δίκτυα, οι συναρτήσεις ενεργοποίησης και η αξιολόγηση μοντέλων. Το τρίτο κεφάλαιο αφορά την συλλογή και προετοιμασία των δεδομένων που θα χρησιμοποιηθούν. Γίνεται χρήση πραγματικών ιστορικών δεδομένων, όπως τα αποθέματα νερού στους ταμιευτήρες και οι παροχές εισροών-εκροών, τα οποία προέρχονται από τη Διεύθυνση Υδροληψίας της ΕΥΔΑΠ. Επίσης, χρησιμοποιούνται δεδομένα βροχόπτωσης που προέρχονται από τους φορείς Meteo και PowerDAV της NASA. Τα δεδομένα αυτά διαμορφώνονται κατάλληλα για να χρησιμοποιηθούν στην εκπαίδευση και αξιολόγηση των μοντέλων. Στο τέταρτο κεφάλαιο περιγράφεται η ανάπτυξη των μοντέλων πρόβλεψης, τα οποία παρουσιάζονται σε δύο case studies. Το πρώτο case study αφορά την ανάπτυξη ενός τεχνητού νευρωνικού δικτύου τύπου MLP, για την πρόβλεψη του αποθέματος νερού στους ταμιευτήρες Μόρνου και Εύηνου. Αντιθέτως το δεύτερο case study επικεντρώνεται στην ανάπτυξη ενός πιο σύνθετου μοντέλου τύπου LSTM, το οποίο χρησιμοποιεί χρονοσειρές εισροών, εκροών και βροχόπτωσης για την πρόβλεψη του αποθέματος νερού στον ταμιευτήρα του Μόρνου. Το πέμπτο κεφάλαιο περιλαμβάνει την αξιολόγηση των δύο case studies. Η αξιολόγηση γίνεται μέσω βασικών μετρικών απόδοσης (όπως το R², MAE, MSE) αλλά και μέσω διαγραμμάτων που απεικονίζουν την ακρίβεια των προβλέψεων. Επιπλέον, παρουσιάζεται η αποτελεσματικότητα κάθε μοντέλου τόσο ως προς την ακρίβεια όσο και τη δυνατότητα γενίκευσης σε νέα, άγνωστα δεδομένα. Στο έκτο κεφάλαιο γίνεται βιβλιογραφική ανασκόπηση, η οποία παρουσιάζει προηγούμενες μελέτες που αναδεικνύουν, τόσο την υπεροχή της ΤΝ σε αντίθεση με τη χρήση κλασσικών μεθόδων στην επίλυση πραγματικών προβλημάτων, όσο και στη χρήση της στην πρόβλεψη υδατικών πόρων. Η ενότητα αυτή συμβάλλει στην ένταξη της παρούσας εργασίας στα πλαίσια της υπάρχουσας επιστημονικής έρευνας, ενισχύοντας τη θεωρητική της τεκμηρίωση. Στο έβδομο και τελευταίο κεφάλαιο αποτυπώνονται τα κύρια συμπεράσματα της μελέτης και γίνεται ανάλυση των περιορισμών της. Παράλληλα διατυπώνονται ιδέες για μελλοντικές βελτιώσεις, όπως η χρήση ποιοτικότερων δεδομένων, κυρίως όσον αφορά τα δεδομένα βροχόπτωσης, και η ενσωμάτωση αυτοματοποιημένων τεχνικών επιλογής παραμέτρων εκπαίδευσης, έναντι της πειραματικής προσέγγισης που χρησιμοποιήθηκε. Συνολικά, η έρευνα αναδεικνύει τη δυνατότητα χρήσης αλγορίθμων ΤΝ στην πρόβλεψη αποθεμάτων νερού ταμιευτήρων, ενισχύοντας την βιώσιμη και αποτελεσματική διαχείριση των υδατικών πόρων σε μια εποχή κλιματικής αβεβαιότητας.