論文の概要: Empirical Study on Airline Delay Analysis and Prediction

• arxiv url: http://arxiv.org/abs/2002.10254v1
• Date: Mon, 17 Feb 2020 15:32:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 12:16:53.126013
• Title: Empirical Study on Airline Delay Analysis and Prediction
• Title（参考訳）: 航空機の遅延解析と予測に関する実証的研究
• Authors: Ripon Patgiri, Sajid Hussain, Aditya Nongmeikapam
• Abstract要約: 例えば、日々の飛行遅延、航空会社の飛行速度、雲の覆い、気温など、様々な特性について考察する。 本研究では,飛行遅延を正確に予測するために,各種機械学習モデルに関する厳密な実験を行った。 ランダムフォレストモデルの精度は82%、遅延閾値は15分である。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Big Data analytics are a logical analysis of very large scale datasets. The data analysis enhances an organization and improve the decision making process. In this article, we present Airline Delay Analysis and Prediction to analyze airline datasets with the combination of weather dataset. In this research work, we consider various attributes to analyze flight delay, for example, day-wise, airline-wise, cloud cover, temperature, etc. Moreover, we present rigorous experiments on various machine learning model to predict correctly the delay of a flight, namely, logistic regression with L2 regularization, Gaussian Naive Bayes, K-Nearest Neighbors, Decision Tree classifier and Random forest model. The accuracy of the Random Forest model is 82% with a delay threshold of 15 minutes of flight delay. The analysis is carried out using dataset from 1987 to 2008, the training is conducted with dataset from 2000 to 2007 and validated prediction result using 2008 data. Moreover, we have got recall 99% in the Random Forest model.
• Abstract（参考訳）: ビッグデータ分析は、非常に大規模なデータセットの論理分析である。 データ分析は組織を強化し、意思決定プロセスを改善する。 本稿では,フライト遅延解析と予測を行い,天候データセットと組み合わせて航空会社のデータセットを解析する。 本研究では、昼行、航空会社行き、雲のカバー、温度など、飛行遅延を分析する様々な属性について検討する。 さらに,L2正則化によるロジスティック回帰,ガウスネーブベイズ,K-Nearest Neighbors,決定木分類器,ランダム森林モデルなど,様々な機械学習モデルの厳密な実験を行い,飛行の遅延を正確に予測する。 ランダムフォレストモデルの精度は82%で、遅延しきい値が15分遅れている。 1987年から2008年にかけてデータセットを用いて分析を行い、2000年から2007年までデータセットを用いてトレーニングを行い、2008年のデータを用いた予測結果を検証する。 さらに,ランダムフォレストモデルでは99%がリコールされている。

関連論文リスト

• GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation [90.53485251837235]
  時系列基礎モデルはゼロショット予測に優れ、明示的なトレーニングなしで多様なタスクを処理する。 GIFT-Evalは、多様なデータセットに対する評価を促進するための先駆的なベンチマークである。 GIFT-Evalには、144,000の時系列と17700万のデータポイントの23のデータセットが含まれている。
  論文  参考訳（メタデータ） (2024-10-14T11:29:38Z)
• Data-driven Probabilistic Trajectory Learning with High Temporal Resolution in Terminal Airspace [9.688760969026305]
  混合モデルとSeq2seqに基づくニューラルネットワークの予測および特徴抽出機能を活用するデータ駆動学習フレームワークを提案する。 このフレームワークでトレーニングした後、学習したモデルは長期予測精度を大幅に向上させることができる。 提案手法の精度と有効性は,予測された軌道と基礎的真実とを比較して評価する。
  論文  参考訳（メタデータ） (2024-09-25T21:08:25Z)
• Weather Prediction Using CNN-LSTM for Time Series Analysis: A Case Study on Delhi Temperature Data [0.0]
  本研究では,デリー地域の温度予測精度を高めるために,ハイブリッドCNN-LSTMモデルを提案する。 モデルの構築とトレーニングには,包括的データ前処理や探索分析など,直接的および間接的手法を併用した。 実験結果から,CNN-LSTMモデルが従来の予測手法よりも精度と安定性の両面で優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-09-14T11:06:07Z)
• Deciphering Air Travel Disruptions: A Machine Learning Approach [0.0]
  本研究は、出発時間、航空会社、空港などの要因を調べることにより、飛行遅延傾向を調査する。 遅延に対する様々なソースのコントリビューションを予測するために、回帰機械学習手法を採用している。
  論文  参考訳（メタデータ） (2024-08-05T19:45:07Z)
• Penalized Generative Variable Selection [5.827768844489063]
  条件付きワッサーシュタイン生成共振器ネットワークを用いたモデリング・推定について検討する。 グループラッソのペナリゼーションは、モデル推定/予測、解釈可能性、安定性などを改善する変数選択に適用される。
  論文  参考訳（メタデータ） (2024-02-26T15:35:10Z)
• Long-Term Typhoon Trajectory Prediction: A Physics-Conditioned Approach Without Reanalysis Data [18.321586950937647]
  本稿では,リアルタイム統一モデル(UM)データを活用する手法を提案する。 本モデルでは,6時間間隔で72時間前処理を行い,最新データ駆動モデルと数値天気予報モデルとを比較検討した。
  論文  参考訳（メタデータ） (2024-01-28T18:28:33Z)
• FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting [56.73502043159699]
  この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。 低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。 2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-28T13:23:25Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• Balance-Subsampled Stable Prediction [55.13512328954456]
  本稿では, 分数分解設計理論に基づく新しいバランスサブサンプル安定予測法を提案する。 設計理論解析により,提案手法は分布シフトによって誘導される予測器間の共起効果を低減できることを示した。 合成および実世界の両方のデータセットに関する数値実験により、BSSPアルゴリズムは未知のテストデータ間で安定した予測を行うためのベースライン法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2020-06-08T07:01:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。