Costruzione di modelli avanzati di apprendimento automatico per il traffico aereo

Questo libro esplora l'applicazione di varie serie temporali e tecniche di apprendimento automatico per modellare e prevedere il traffico aereo nazionale. Fornisce uno studio completo degli approcci previsionali tradizionali e moderni. Presenta un'ampia rassegna della letteratura sulla modellazione del traffico aereo che comprende i metodi tradizionali delle serie temporali (Holt's Winter ARIMA SARIMA) e le tecniche avanzate di apprendimento automatico (FFNN MLP LSTM). È inclusa anche un'analisi comparativa di questi metodi che ne evidenzia i punti di forza e i limiti. Inoltre viene esplorata la stima bayesiana dei parametri del modello SARIMA. I parametri stimati e le previsioni sono confrontati con l'approccio tradizionale della massima verosimiglianza. La ricerca viene ampliata introducendo modelli misti approcci ibridi e semplici tecniche di mediazione per migliorare l'accuratezza della previsione. L'efficacia di questi modelli viene valutata attraverso un'analisi comparativa.