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
- 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) - FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D
Variational Assimilation [71.21242137496031]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。
FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。
シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文 参考訳(メタデータ) (2023-12-16T02:07:56Z) - 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 [78.63225885697149]
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。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
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 [78.6363825307044]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
論文 参考訳(メタデータ) (2022-09-23T16:13:47Z) - A Meta-Analysis of Solar Forecasting Based on Skill Score [0.0]
定性的な太陽予測の総合的メタ分析を,スキルスコアに基づいて行った。
4,687点のデータベースを構築し解析した。
時間内および日内予測は日頭予測よりも改善が見られた。
論文 参考訳(メタデータ) (2022-08-22T18:37:01Z) - 4D flight trajectory prediction using a hybrid Deep Learning prediction
method based on ADS-B technology: a case study of Hartsfield-Jackson Atlanta
International Airport(ATL) [2.2118683064997264]
本稿では,ハーツフィールド・ジャクソン・アトランタ国際空港(ATL)の予測モデルの不確実性を考慮した空間的・時間的特徴を抽出するハイブリッドディープラーニングモデルを提案する。
その結果,提案モデルは他のモデル(3D CNN, CNN-GRU)と比較して誤差が低いことがわかった。
論文 参考訳(メタデータ) (2021-10-14T23:48:44Z) - 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。