論文の概要: Flight Delay Prediction using Hybrid Machine Learning Approach: A Case Study of Major Airlines in the United States

• arxiv url: http://arxiv.org/abs/2409.00607v1
• Date: Sun, 1 Sep 2024 04:18:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 13:27:03.941191
• Title: Flight Delay Prediction using Hybrid Machine Learning Approach: A Case Study of Major Airlines in the United States
• Title（参考訳）: ハイブリッド機械学習による飛行遅延予測:米国の主要航空会社を事例として
• Authors: Rajesh Kumar Jha, Shashi Bhushan Jha, Vijay Pandey, Radu F. Babiceanu,
• Abstract要約: 本研究では,ディープラーニングと古典的機械学習技術を組み合わせたハイブリッドアプローチを提案する。 いくつかの機械学習アルゴリズムが飛行データに適用され、提案モデルの結果が検証される。 調査ではまた、アメリカの航空会社の飛行データと各モデルについて広範囲に分析し、洞察に富んだ結果を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The aviation industry has experienced constant growth in air traffic since the deregulation of the U.S. airline industry in 1978. As a result, flight delays have become a major concern for airlines and passengers, leading to significant research on factors affecting flight delays such as departure, arrival, and total delays. Flight delays result in increased consumption of limited resources such as fuel, labor, and capital, and are expected to increase in the coming decades. To address the flight delay problem, this research proposes a hybrid approach that combines the feature of deep learning and classic machine learning techniques. In addition, several machine learning algorithms are applied on flight data to validate the results of proposed model. To measure the performance of the model, accuracy, precision, recall, and F1-score are calculated, and ROC and AUC curves are generated. The study also includes an extensive analysis of the flight data and each model to obtain insightful results for U.S. airlines.
• Abstract（参考訳）: 航空産業は1978年のアメリカの航空産業の規制緩和以降、航空交通が絶え間なく成長してきた。 結果として、フライト遅延は航空会社や乗客にとって大きな関心事となり、出発、到着、総遅延などの飛行遅延に影響する要因について重要な研究がなされた。 飛行遅延により、燃料、労働、資本といった限られた資源の消費が増加し、今後数十年で増加すると予想されている。 本研究は,飛行遅延問題に対処するために,ディープラーニングと古典的機械学習技術を組み合わせたハイブリッドアプローチを提案する。 さらに,複数の機械学習アルゴリズムを飛行データに適用し,提案モデルの有効性を検証した。 モデルの性能を測定するため、精度、精度、リコール、F1スコアを算出し、ROC曲線とAUC曲線を生成する。 調査ではまた、アメリカの航空会社に対する洞察力のある結果を得るために、フライトデータと各モデルの広範な分析も行われた。

関連論文リスト

• 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)
• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• 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)
• Alexa, Predict My Flight Delay [0.0]
  本研究は、米国内における国内便のデータ分析による飛行遅延予測システムの開発である。 提案モデルでは, フライト遅延とキャンセルの原因と, 出発と到着の遅延の関連について検討した。
  論文  参考訳（メタデータ） (2022-08-21T17:01:48Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
  過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。 正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。 本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-17T02:16:02Z)
• 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)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)
• Flight Time Prediction for Fuel Loading Decisions with a Deep Learning Approach [3.285168337194676]
  航空は常に新しい技術を模索し、燃料消費を減らすために飛行を最適化している。 過剰な燃料は、燃料消費の不確実性を扱うために、派遣者や(または)パイロットによってロードされる。 我々は,より優れた飛行時間予測を実現するために,空間重み付きリカレントニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-12T11:05:42Z)

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。