Budowa zaawansowanych modeli uczenia maszynowego dla ruchu lotniczego

Ta książka bada zastosowanie różnych szeregów czasowych i technik uczenia maszynowego do modelowania i prognozowania krajowego ruchu lotniczego. Zapewnia kompleksowe badanie tradycyjnych i nowoczesnych podejść prognostycznych. Przedstawia obszerny przegląd literatury na temat modelowania ruchu lotniczego obejmujący tradycyjne metody szeregów czasowych (Holt's Winter ARIMA SARIMA) wraz z zaawansowanymi technikami uczenia maszynowego (FFNN MLP LSTM). Uwzględniono również analizę porównawczą tych metod podkreślając ich mocne strony i ograniczenia. Ponadto zbadano bayesowską estymację parametrów modelu SARIMA. Oszacowane parametry i prognozy są porównywane z tradycyjnym podejściem maksymalnego prawdopodobieństwa. Rozszerza badania poprzez wprowadzenie modeli mieszanych podejść hybrydowych i prostych technik uśredniania w celu zwiększenia dokładności predykcyjnej. Skuteczność tych modeli jest oceniana poprzez analizę porównawczą.