Lentoliikenteen aikataulupoikkeamien ennustaminen tekoälyllä
Tekijät
Päivämäärä
2022Tekijänoikeudet
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Tutkimuksen tavoitteena oli kehittää ennustemalli, joka ennustaa meno-paluulennon aikataulun vuorokautta ennen lentoa viiden minuutin tarkkuudella. Aikatauluennusteesta nähdään poikkeamat ja myöhästymiset, jolloin sidosryhmille jää aikaa reagoida poikkeavaan aikatauluun. Tutkimusmenetelmänä on suunnittelutiede ja kolmen silmukan malli. Ennuste tehtiin koneoppimisen XGBoost-algoritmilla useasta optimoidusta vaiheesta koottuna kokonaisennnusteena. Vastaavaa ennustemallia ei oltu aiemmin tutkittu. Tutkimuksessa kehitettiin ennustemalli, jolla saavutettiin asetettu tavoite. Opitulla tietämyksellä ja tarkennetulla
tavoitteella voidaan tehdä erilaisiin tarpeisiin sopivia ennustemalleja. The aim of the research was to develop a forecasting model that predicts a roundtrip flight schedule the day before the flight with an accuracy of five minutes. The schedule forecast indicates deviations and delays, leaving stakeholders time to react to the changed schedule. The research method is design science, and the forecasting method is a step-bystep method of machine learning. The study developed a model to achieve the set goal. A
similar prediction model had not been previously studied. With the knowledge learned and the refined goal, forecasting models suitable for unique needs can be made.
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [28107]
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Tekoälyteknologiat ilmailussa
Toivanen, Iiro (2022)Tutkielmassa perehdytään kirjallisuuskatsauksen muodossa tekoälyteknologioiden hyödyntämiseen ilmailun eri aloilla. Tutkielmassa tarkastellaan koneoppimismallien käyttöä ennustetyökaluina ilmailun kontekstissa sekä ... -
Osakekurssien ennustaminen koneoppimisen menetelmillä
Hoikkala, Kalle (2021)Osakemarkkinoiden ennustaminen ja ennustettavuus on ollut polttava kysymys sijoittajien ja tutkijoiden keskuudessa jo vuosikymmeniä. Tekoälyn suosion kasvun myötä koneoppimisen menetelmistä on pyritty löytämään keinoja ... -
Multicriteria Decision Aiding for Planning Renewable Power Production at Moroccan Airports
Menou, Abdellah; Lahdelma, Risto; Salminen, Pekka (MDPI AG, 2022)This study is about multicriteria decision aiding (MCDA) for the green airports program of the Moroccan Airport Authority ONDA. The goal of the program is to develop significant amounts of renewable power at airports. In ... -
Tekoälyn hyödyntäminen muotiteollisuuden trendien ennustamisessa
Kolsi, Netta (2023)Muotiteollisuus on yksi maailman johtavista talouksista, jossa yritykset kamppailevat trendien ennustamisessa. Muotitrendit muuttuvat nopeammin kuin koskaan ennen ja lyhyiden myyntikausien, suurten tuotevalikoimien sekä ... -
Machine learning models in predicting health care costs in patients with a recent acute coronary syndrome : A prospective pilot study
Hautala, Arto J.; Shavazipour, Babooshka; Afsar, Bekir; Tulppo, Mikko P.; Miettinen, Kaisa (Elsevier, 2023)Background Health care budgets are limited requiring the optimal use of resources. Machine learning (ML) methods may have an enormous potential for effective use of health care resources. Objective We assessed the ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.