論文の概要: Time series forecasting with high stakes: A field study of the air cargo industry

• arxiv url: http://arxiv.org/abs/2407.20192v2
• Date: Tue, 13 Aug 2024 21:40:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 15:28:26.663502
• Title: Time series forecasting with high stakes: A field study of the air cargo industry
• Title（参考訳）: 高ステークホルダーによる時系列予測--航空貨物産業のフィールドスタディ
• Authors: Abhinav Garg, Naman Shukla, Maarten Wormer,
• Abstract要約: 本稿では,航空貨物業界における意思決定における機械学習モデルの開発と実装に焦点を当てる。 我々は、統計的および高度なディープラーニングモデルを組み合わせて、6ヶ月の地平線上で貨物需要の信頼できる予測を提供する専門家フレームワークの混合を活用している。
• 参考スコア（独自算出の注目度）: 3.8335551408225967
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series forecasting in the air cargo industry presents unique challenges due to volatile market dynamics and the significant impact of accurate forecasts on generated revenue. This paper explores a comprehensive approach to demand forecasting at the origin-destination (O\&D) level, focusing on the development and implementation of machine learning models in decision-making for the air cargo industry. We leverage a mixture of experts framework, combining statistical and advanced deep learning models to provide reliable forecasts for cargo demand over a six-month horizon. The results demonstrate that our approach outperforms industry benchmarks, offering actionable insights for cargo capacity allocation and strategic decision-making in the air cargo industry. While this work is applied in the airline industry, the methodology is broadly applicable to any field where forecast-based decision-making in a volatile environment is crucial.
• Abstract（参考訳）: 航空貨物業界における時系列予測は、揮発性の市場のダイナミクスと、正確な予測が生み出した収益に与える影響により、独特な課題を呈している。 本稿では,航空貨物業界における意思決定における機械学習モデルの開発と実装に焦点をあて,O&Dレベルでの需要予測への包括的アプローチについて検討する。 我々は、統計的および高度なディープラーニングモデルを組み合わせて、6ヶ月の地平線上で貨物需要の信頼できる予測を提供する専門家フレームワークの混合を活用している。 その結果,本手法は,航空貨物業界において,積荷の容量配分と戦略的意思決定に関する実用的な洞察を提供するとともに,業界ベンチマークよりも優れていることが示された。 この研究は航空会社業界に応用されているが、この手法は、揮発性環境における予測に基づく意思決定が不可欠であるあらゆる分野に適用できる。

関連論文リスト

• Towards Universal Large-Scale Foundational Model for Natural Gas Demand Forecasting [12.60741035434783]
  本稿では,天然ガス需要予測に適した基礎モデルを提案する。 提案手法は,現実シナリオの予測精度を向上させるために,コントラスト学習を利用する。 ENNグループによる大規模データセットを用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2024-09-24T06:44:29Z)
• Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
  地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。 我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。 本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
  論文  参考訳（メタデータ） (2024-09-11T19:31:56Z)
• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)
• Airport Delay Prediction with Temporal Fusion Transformers [24.280246809961945]
  本研究は,米国最上位30空港において,新しい時空核融合変圧器モデルを適用し,第4四半期の空港到着遅延を予測することを提案する。 我々のモデルには、空港の需要と容量予測、歴史的な空港の運転効率情報、空港の風と可視性、さらには気象や交通条件などが含まれる。
  論文  参考訳（メタデータ） (2024-05-14T03:27:15Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• 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)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• A machine learning approach to itinerary-level booking prediction in competitive airline markets [0.0]
  競合データ、価格、ソーシャルメディア、安全、航空会社のレビューなど、複数のソースからのデータを組み合わせています。 顧客行動は価格に敏感でスケジュールに敏感で快適なODに分類できることを示す。 このモデルは、従来の時系列予測よりも高い収益をもたらす予測を生成する。
  論文  参考訳（メタデータ） (2021-03-15T14:32:11Z)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)
• Share Price Prediction of Aerospace Relevant Companies with Recurrent Neural Networks based on PCA [13.033705947070931]
  主成分分析(PCA)とリカレントニューラルネットワークを組み合わせたハイブリッド予測モデルを提案する。 財務データ、抽出された特徴、アルゴリズム、パラメータなど、様々な要因が予測モデルの性能に影響を与える可能性がある。 開発されたアプローチは、新型コロナウイルス(COVID-19)以降の航空宇宙産業の株価を予測するために使用することができる。
  論文  参考訳（メタデータ） (2020-08-26T20:16:33Z)
• Profit-oriented sales forecasting: a comparison of forecasting techniques from a business perspective [3.613072342189595]
  本稿では,コカ・コーラ社の産業界データと公開データセットの両方から成る35回連続のテクニックを比較検討する。 モデル構築と評価プロセスの両方において、テクニックが生成できる期待される利益を考慮に入れた、新しく完全に自動化された利益主導のアプローチを導入します。
  論文  参考訳（メタデータ） (2020-02-03T14:50:24Z)

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。