Makine öğrenmesi teknikleri ile havacılıkta yakıt taşımacılığı kararının alınması ve bir uygulama
Decision-making in fuel tankering with machine learning techniques in aviation and its application
- Tez No: 686125
- Danışmanlar: PROF. DR. SEVİNÇ GÜLSEÇEN, DR. ELİF KARTAL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Sivil Havacılık, Computer Engineering and Computer Science and Control, Civil Aviation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasının amacı havacılıkta yakıt taşımacılığı kararının makine öğrenmesi teknikleri ile alınmasıdır. Çalışmada kullanılan veri seti Türkiye'de hava taşımacılığı yapan ticari bir hava yolu firmasından temin edilmiştir. Literatürde yakıt taşımacılığı hesaplamasında kullanılan bazı temel özelleştirilebilir formüller/modeller mevcuttur. Bu çalışma ile bu formüllerden/modellerden bağımsız olarak ham veriden öğrenen makine öğrenmesi algoritmaları ile havacılık endüstrisinde yakıt taşımacılığı öngörüsünde bulunmak hedeflenmiştir. Çalışmada yakıt taşımacılığı durumunun“Var/Yok”şeklinde sınıflandırılması ve yakıt taşımacılığı miktarının tahmini için alternatif makine öğrenmesi modelleri oluşturulmuştur. k-En Yakın Komşu algoritması, Basit Bayes Sınıflandırıcı, Sınıflandırma ve Regresyon Ağaçları, Rastgele Orman algoritması, Yapay Sinir Ağları ve Destek Vektör Makinelerinden yararlanılmıştır. Sınıflandırma ve regresyon model performansları birbiriyle karşılaştırılmıştır. Analizler R programlama dili ile RStudio'da gerçekleştirilmiştir. En iyi performansı gösteren Rastgele Orman sınıflandırma (doğruluk=0,9646) ve regresyon (R²=0,8104) modelleriyle çevrimiçi bir Shiny uygulaması geliştirilmiştir.
Özet (Çeviri)
In this thesis, it is aimed at decision-making in fuel tankering with machine learning techniques in aviation. The dataset used in this study is obtained from a commercial airline company based in Turkey. There are several basic customizable formulas/models used in the fuel tankering calculation referred in the literature. In this study, it is aimed to predict fuel tankering in the airline industry with machine learning algorithms that learn from raw data which is independent of these formulas/models. In this study, alternative machine learning models are created to classify the fuel tankering status as“Yes/No”and to predict the amount of fuel tankering. k-Nearest Neighbour algorithm, Naive Bayes Classifier, Classification and Regression Trees, Random Forest algorithm, Artificial Neural Networks, and Support Vector Machines algorithm are used. Performance of classification and regression models are compared with each other. Analyzes are carried out in RStudio with the R programming language. An online Shiny application is developed with the best performing Random Forest classification (Accuracy=0,9646) and regression (R²=0,8104) models.
Benzer Tezler
- Data-driven aircraft performance models for improving baseline fuel estimations
Kalkış öncesi yakıt tahminini iyileştirmek için veri analitik hava taşıtı performans modelleri
MUHAMMED EMRE SARIGÖL
Yüksek Lisans
İngilizce
2018
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU
- Crew recovery optimization through disruption analysis and deep learning driven column generation
Aksaklık analizi ve derin öğrenme tabanlı sütun oluşturma ile ekip kurtarma optimizasyonu
AHMET HEREKOĞLU
Doktora
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ÖZGÜR KABAK
- Integrated CFD-based reduced-order modeling for ice accretion and aerodynamic performance predictions
Bütünleşik CFD tabanli indirgenmiş dereceli model ile buz birikimi ve aerodinamik performans tahmini
ÖMER AKBAL
Doktora
İngilizce
2026
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ORHAN KAYA
- Metric based mesh adaptation methodology applied to HEMLAB algorithm
Metrik tabanlı ağ uyarlama yönteminin HEMLAB çözücüsüne uygulanması
HÜLYA SUKAS
Doktora
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ŞAHİN
- Early prediction of probability of collision for LEO satellites using an ensemble learning with unscented transform based dataset generation from conjunction data messages
Yakınlaşma veri mesajlarından unscented transform tabanlı veri seti üretimi ile ensemble öğrenme kullanılarak LEO uyduları için çarpışma olasılığının erken tahmini
RABİA TÜYLEK TOK
Yüksek Lisans
Türkçe
2026
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. EMRE ONUR KAHYA
DR. BURAK YAĞLIOĞLU