論文の概要: Deciphering Air Travel Disruptions: A Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2408.02802v1
• Date: Mon, 5 Aug 2024 19:45:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-07 15:38:41.249396
• Title: Deciphering Air Travel Disruptions: A Machine Learning Approach
• Title（参考訳）: エアトラベルの破壊を解読する - 機械学習アプローチ
• Authors: Aravinda Jatavallabha, Jacob Gerlach, Aadithya Naresh,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research investigates flight delay trends by examining factors such as departure time, airline, and airport. It employs regression machine learning methods to predict the contributions of various sources to delays. Time-series models, including LSTM, Hybrid LSTM, and Bi-LSTM, are compared with baseline regression models such as Multiple Regression, Decision Tree Regression, Random Forest Regression, and Neural Network. Despite considerable errors in the baseline models, the study aims to identify influential features in delay prediction, potentially informing flight planning strategies. Unlike previous work, this research focuses on regression tasks and explores the use of time-series models for predicting flight delays. It offers insights into aviation operations by independently analyzing each delay component (e.g., security, weather).
• Abstract（参考訳）: 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。 LSTM、ハイブリッドLSTM、Bi-LSTMなどの時系列モデルは、多重回帰、決定木回帰、ランダムフォレスト回帰、ニューラルネットワークといったベースライン回帰モデルと比較される。 ベースラインモデルにかなりの誤差があるにもかかわらず、この研究は遅延予測における影響のある特徴を特定し、潜在的に飛行計画戦略を伝えることを目的としている。 従来の研究とは異なり、この研究は回帰作業に重点を置いており、飛行遅延を予測するための時系列モデルの利用を探求している。 各遅延成分(セキュリティ、天候など)を独立して分析することで、航空業務に関する洞察を提供する。

関連論文リスト

• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Embedded feature selection in LSTM networks with multi-objective evolutionary ensemble learning for time series forecasting [49.1574468325115]
  本稿では,Long Short-Term Memory Networkに埋め込まれた特徴選択手法を提案する。 本手法はLSTMの重みと偏りを分割的に最適化する。 イタリアとスペイン南東部の大気質時系列データの実験的評価により,従来のLSTMの能力一般化が著しく向上することが確認された。
  論文  参考訳（メタデータ） (2023-12-29T08:42:10Z)
• Machine Learning-Enhanced Aircraft Landing Scheduling under Uncertainties [14.474624795989824]
  自動化と安全性の向上を目的とした,革新的な機械学習(ML)強化型ランディングスケジューリング手法を提案する。 ML予測は、時間制約のある旅行セールスマン問題の定式化において、安全制約として統合される。 ケーススタディでは、FCFS(First-Come-First-Served)ルールと比較して、総着陸時間が平均17.2%減少している。
  論文  参考訳（メタデータ） (2023-11-27T17:50:14Z)
• Online Evolutionary Neural Architecture Search for Multivariate Non-Stationary Time Series Forecasting [72.89994745876086]
  本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。 ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。 その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-20T22:25:47Z)
• Spatiotemporal Propagation Learning for Network-Wide Flight Delay Prediction [17.632313431251383]
  本研究では時空間分離可能な畳み込みネットワークである時空間ネットワーク(STP)を提案する。 時間的依存性モデリングの関係から,複数種類の時間的依存性遅延時間について,エンドツーエンドで学習し,明確に推論できる多面的自己注意型手法を提案する。
  論文  参考訳（メタデータ） (2022-07-14T14:30:59Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• Multi-Airport Delay Prediction with Transformers [0.0]
  TFT(Temporal Fusion Transformer)は、複数の空港での出発と到着の遅れを同時に予測するために提案された。 このアプローチは、予測時に既知の入力の複雑な時間的ダイナミクスをキャプチャし、選択された遅延メトリクスを4時間先まで予測することができる。
  論文  参考訳（メタデータ） (2021-11-04T21:58:11Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Spatio-Temporal Data Mining for Aviation Delay Prediction [15.621546618044173]
  本研究では,商業飛行における長期記憶ネットワーク(LSTM)に基づく航空機遅延予測システムを提案する。 このシステムは、自動監視放送(ADS-B)メッセージから歴史的軌跡から学習する。 従来と比べ,大規模なハブ空港ではより堅牢で正確であることが実証された。
  論文  参考訳（メタデータ） (2021-03-20T18:37:06Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Spatio-Temporal Functional Neural Networks [11.73856529960872]
  本稿では,多くの研究者によって有効性が証明された時間回帰モデルであるニューラル・ファンクショナル・ネットワーク(FNN)の2つの新しい拡張を提案する。 提案したモデルは気象分野における実用的で挑戦的な降水予測問題を解決するために展開される。
  論文  参考訳（メタデータ） (2020-09-11T21:32:35Z)

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。