ETD

• carburante
• deep
• distributori
• geometric
• learning
• modellizzazione
• rete
• supervised

Il problema affrontato nella tesi è la previsione dei volumi di vendita per una rete di distributori di carburante, con lo scopo di ottimizzare la scelta del prezzo esposto. Nella prima fase è stata effettuata un’attività di raccolta e pulizia dei dati provenienti dall’azienda detentrice degli impianti e dal sito
del Ministero delle Imprese e del Made in Italy. A questi sono stati integrati dati considerati influenti sulla dinamica della domanda, come il meteo e le festività. Nella seconda fase sono stati costruiti modelli predittivi per i vo lumi di carburante erogati, partendo da approcci più classici, come la
regressione lineare e gli alberi decisionali, fino a modelli più complessi, come una rete neurale su grafo in grado di catturare sia le caratteristiche spaziali che temporali del problema. Per tutti i modelli è stata posta particolare attenzione alla rilevanza del prezzo sulla previsione e a quanto una sua variazione possa influenzare le stime di vendita. Sono stati raggiunti buoni livelli di accuratezza su previsioni di un intero anno solare, dimostrando la capacità dei modelli di apprendere
le dinamiche del dominio. Sono emersi, inoltre, risultati interessanti circa la relazione tra prezzo e volumi venduti. Il modello finale si configura, quindi, come un ottimo strumento a supporto di chi ha il
compito di definire le strategie di prezzo.