Застосування методів машинного навчання для передбачення затримок авіарейсів
Тип публікації :
Бакалаврська робота
Дата випуску :
2021
Автор(и) :
Лопуляк Жанна Ярославівна
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Лопуляк, Ж. Я. (2021). Застосування методів машинного навчання для передбачення затримок авіарейсів [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/3192
[ДСТУ] Лопуляк Ж. Я. Застосування методів машинного навчання для передбачення затримок авіарейсів : кваліфікаційна робота бакалавра : 12 Інформаційні технології. Київ, 2021. 59 с. URL: https://ir.library.knu.ua/handle/123456789/3192 (дата звернення: 25.07.2026).
У ході роботи було зібрано дані про перельоти, здійснені українськими авіалініями протягом останніх трьох років. На основі цих даних було побудовано сім моделей машинного навчання та проведено порівняльний аналіз їхньої якості. Вдалося побудувати моделі, які не перетреновуються, тобто точність на тестових даних майже не відрізняється від точності на тренувальних. Було визначено, що для нашої задачі найкращу класифікацію здійснює bagging модель, при застосуванні якої точність на тестових даних сягає 97%. Окрім того, було виявлено, що більшість рейсів затримуються на короткий проміжок часу при вильоті і значна частина з них прилітає вчасно. Моделі машинного навчання краще передбачають тривалі затримки і гірше – короткі. Це спричинено тим, що на короткі затримки впливають значно більше факторів, аніж наявні в нашому наборі даних. До таких факторів можуть належати завантаженість аеропорту, вчасність прильоту лайнеру з попереднього рейсу, непередбачувані поломки та інше. Звісно, всі подібні фактори врахувати неможливо. Проте, критично погана погода з високою ймовірністю гарантує тривалу затримку рейсу, тому і точність передбачення тривалої затримки більша. Застосовувати моделі для передбачення можна за наявності прогнозу погоди на час запланованого вильоту рейсу. Неточності прогнозу погоди погіршуватимуть якість прогнозу моделей, тому якість буде тим вища, коли передбачення робиться за короткий період перед запланованим вильотом.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
2.14 MB
Контрольна сума :
(MD5):16ae1c334b8d6f7c6556527a8de36b3a
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International