HEAL DSpace

Πρόβλεψη καθυστέρησης πτήσεων με τεχνικές μηχανικής μάθησης

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Αλεξάνδρου, Κωνσταντίνος el
dc.contributor.author Alexandrou, Konstantinos en
dc.date.accessioned 2021-09-02T08:16:42Z
dc.date.available 2021-09-02T08:16:42Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/53775
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.21473
dc.rights Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ *
dc.subject Μηχανική μάθηση el
dc.subject Επιβλεπόμενη μάθηση el
dc.subject Καθυστέρηση πτήσεων el
dc.subject Ενίσχυση κλίσης el
dc.subject Τεχνητά νευρωνικά δίκτυα el
dc.title Πρόβλεψη καθυστέρησης πτήσεων με τεχνικές μηχανικής μάθησης el
heal.type bachelorThesis
heal.classification μηχανική μάθηση el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2021-07-14
heal.abstract Κάθε χρόνο οι καθυστερήσεις πτήσεων οδηγούν σε απώλειες δισεκατομμυρίων δολαρίων ως επακόλουθο της καθυστέρησης παροχής υπηρεσιών, της αργοπορίας των υλικών αγαθών να φτάσουν στον προορισμό τους και του προσωπικού κόστους κάθε επιβάτη. Το πρόβλημα της αντιμετώπισης των καθυστερήσεων αποτελεί ζήτημα εξαιρετικής δυσκολίας, όπως είναι βέβαια και η ικανότητα αναμονής και πρόβλεψης των εν λόγω καθυστερήσεων. Στην παρούσα εργασία, χρησιμοποιώντας τεχνικές επιβλεπόμενης μηχανικής μάθησης θα μελετηθεί η δυνατότητα κατηγοριοποίησης των πτήσεων σε πτήσεις με καθυστέρηση ή όχι με την μοντελοποίηση του προβλήματος ως ένα πρόβλημα δυαδικής ταξινόμησης. Μέσω βιβλιογραφικής έρευνας και πειραματικών δοκιμών θα ταυτοποιηθούν τα χαρακτηριστικά που επιτρέπουν στα μοντέλα μηχανικής μάθησης να εκπαιδευτούν και να προβλέψουν ενδεχομένη καθυστέρηση. Για την ταυτοποίηση των κατάλληλων χαρακτηριστικών, δοκιμάστηκε η ενσωμάτωση στα δεδομένα πτήσεων, πληθώρας μετεωρολογικών χαρακτηριστικών και χαρακτηριστικών ενός αεροπορικού δικτύου. Ακόμη, θα εξεταστεί και θα συγκριθεί η επίδοση απλών ταξινομητών, τεχνητών νευρωνικών δικτύων και μεθόδων Ensemble για την κατηγοριοποίηση των πτήσεων. Από τα τελικά πειραματικά αποτελέσματα, προκύπτει πως πράγματι η μηχανική μάθηση μπορεί να εφαρμοστεί επιτυχώς για τη δημιουργία ενός συστήματος πρόβλεψης καθυστέρησης πτήσεων. el
heal.advisorName Σταφυλοπάτης, Ανδρέας - Γεώργιος el
heal.committeeMemberName Στάμου, Γεώργιος el
heal.committeeMemberName Κόλλιας, Στέφανος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών el
heal.academicPublisherID ntua
heal.numberOfPages 84 σ. el
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο:

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα Εκτός από όπου ορίζεται κάτι διαφορετικό, αυτή η άδεια περιγράφεται ως Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα