Regresyon algoritmaları kullanarak uçuş rötarlarının tahmin edilmesi
Estimating flight delays with regression algorithms
- Tez No: 678794
- Danışmanlar: PROF. DR. ALİ GÜNEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 68
Özet
Bu çalışmada, 2015 yılına ait 31 farklı değişkene göre tanımlanmış 5.800.000'den fazla uçuşun bulunduğu veri seti kullanılarak, kalkışta uçuş gecikmelerini tahmin etmeyi amaçlayan bir model geliştirilmesi hedeflenmektedir. Çalışmada; Matplotlib, Scikit-learn ve Pandas gibi kütüphanelerin yanı sıra -kolayca ve yüksek performanslı sonuçlar elde edilebildiği için- Python programlama dili kullanılacaktır. Özellikle Scikit-learn kütüphanesi matris işlemlerini, çapraz doğrulamayı (cross-validation) ve regresyon modellerini desteklediği için bu çalışmada fazlasıyla avantaj sağlamaktadır. Veri kümelerinin okunması ve yorumlanmasında; kalkış havalimanı ile gecikmeler arasındaki ilişki, kalkış ve varış noktaları ile gecikmeler arasındaki ilişki ve gecikmelerin zamansal değişkenliği incelenmektedir. Modelleme kısmında ise bir hava yolu şirketi ve bir havalimanı, bir hava yolu şirketi ve bütün havalimanları ile destinasyonların muhasebesi olacak şeklinde üç farklı model geliştirilmiştir. Çalışmada verilerin analizi için doğrusal, polinomal ve ridge regresyon tekniklerinden faydalanılmıştır. Modelleri geliştirirken yanıltıcı verilere dikkat edilecek, polinom derecesi ile veri kümesini bölerken çapraz doğrulama yapılacak ve veri kümesinin ayrılmasıyla ortaya çıkan eğilimden kaynaklı aşırı öğrenmenin (overfitting) önüne geçilmesi amaçlanacaktır.
Özet (Çeviri)
In this study, it is aimed to develop a model that aims to estimate flight delays at take-off using a data set containing more than 5.800.000 flights defined according to 31 different variables from 2015. Python programming language will be used, since high performance results can be obtained easily by using libraries such as Matplotlib, Scikit-learn and Pandas. In particular, the Scikit-learn library provides a great advantage in this study as it supports matrix operations, cross-validation and regression models. In the reading and interpretation of data sets, the relationship between the departure airport and the delays, the relationship between the departure and arrival points and the delays, and the temporal variability of the delays will be examined. In the modeling part, three different models will be developed: an airline and an airport, an airline and accounting of all airports and destinations. Linear, polynomial and ridge regression techniques will be used to analyze data in the study. Attention will be paid to misleading data while developing models. When dividing the data set with the polynomial degree, cross-validation will be performed and overfitting due to the tendency that occurs with the separation of the data set will be prevented.
Benzer Tezler
- Optimizing backup crew planning in airlines using machine learning
Havayolu şirketlerinde yedek ekip sayısının makine öğrenmesi algoritmaları ile tahminleme modeli
ŞUHEDA DÜZCAN BARAÇLI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET YASİN ULUKUŞ
- Design and optimization of hydraulic actuator used in jet fighter
Jet uçağında kullanılan hidrolik aktüatörün tasarımı ve optimizasyonuu
AHMET DENİZCİ
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. HATİCE SEÇİL ARTEM
- A new nonlinear lifting line method for configuration aerodynamics and deep learning based aerodynamic surrogate models
Konfigürasyon aerodinamiği analizi ve derin öğrenme bazlı aerodinamik dijital model oluşturmak için yeni bir doğrusal olmayan taşıyıcı çizgi metodu
HASAN KARALİ
Yüksek Lisans
İngilizce
2020
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ADİL YÜKSELEN
PROF. DR. GÖKHAN İNALHAN
- A healthcare artificial internet of medical things- based system for mental stress recognition
Sağlık bakımı temelli zihinsel stres tanıma için tıbbi nesnelerin yapay internet tabanlı sistemi
FATIMA ZOHRA BOULANOUAR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. RAFET AKDENİZ
DR. ÖĞR. ÜYESİ MHD WASIM RAED
- Uçak bakım periyotları ve arıza sayılarının yapay zeka teknikleri kullanılarak tahmini
Predicting aircraft maintenance periods and failure counts through artificial intelligence techniques
KADİR ÇELİKMIH
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ