Models for forecasting flight delays

Скорочена інформація про документ
dc.contributor.authorTarasonok, D.
dc.contributor.authorOliinyk, Y.
dc.contributor.authorLikhouzova, T.
dc.date.accessioned2023-12-14T16:32:55Z
dc.date.available2023-12-14T16:32:55Z
dc.date.issued2023
dc.description.abstractThe problem of improving the operation of airports and air carriers is considered. It is proposed to use machine learning models and technologies to predict flight delays. Several different quality measures are used to evaluate the effectiveness of the proposed models, which diversely reflect the expediency of using these models in the context of the needs of each task.uk
dc.description.abstractotherВ статті розглянуто проблему покращення роботи аеропортів та авіаперевізників. Запропоновано використати моделі та технології машинного навчання для прогнозування затримок авіарейсів. Значна частина зусиль була спрямована на збір якісних даних, що стосуються як авіаперельотів, так і факторів, що на них потенційно можуть вплинути. Завдяки цьому сформовано набір даних про майже півмільйона перельотів. Метою роботи є прогнозування затримок авіарейсів, яке робилось як в кількісному (затримка на скільки хвилин), так і в якісному (затримка перевищує 15 хвилин) варіантах. Було побудовано 5 регресійних та 5 класифікаційних моделей трьох різних видів для прогнозування затримок вильотів в аеропорті Атланта, США. Для оцінки ефективності запропонованих моделей використано декілька різних мір якості, які різнопланово відображають доцільність застосування цих моделей в розрізі потреб кожної задачі. Для найкращої моделі медіанна абсолютна помилка дорівнює 5 хвилин, що є чудовим результатом у передбаченні затримок вильотів авіарейсів. Точне прогнозування затримок рейсів може надати рекомендації логістичним компаніям до більш точного планування своїх перевезень, а в цій галузі це є одним із головних моментів в отриманні прибутку.uk
dc.format.pagerangePp. 20-33uk
dc.identifier.citationTarasonok, D. Models for analysis of water suitability / D. Tarasonok, Y. Oliinyk, T. Likhouzova // Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2023. – № 2 (43). – С. 20-33. – Бібліогр.: 20 назв.uk
dc.identifier.doihttps://doi.org/10.20535/1560-8956.43.2023.292243
dc.identifier.issn1560-8956
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/63105
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofАдаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2023. – № 2 (43)uk
dc.rights.urihttps://creativecommons.ru/licenses
dc.rights.urihttps://creativecommons.ru/licenses
dc.subjectmachine learninguk
dc.subjectforecastinguk
dc.subjectregression problemuk
dc.subjectclassification problemuk
dc.subjectмашинне навчанняuk
dc.subjectпрогнозуванняuk
dc.subjectзадача регресіїuk
dc.subjectзадача класифікаціїuk
dc.subject.udc004.94uk
dc.titleModels for forecasting flight delaysuk
dc.title.alternativeМоделі для прогнозування затримок авіарейсівuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
292243-674882-1-10-20231202.pdf
Розмір:
1.14 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2023. – № 2 (43)