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: 136
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 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
- Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques
Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması
RAGHAD MOHAMMED KHORSHEED
Doktora
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Speeding up branch and bound algorithm for airline Crew scheduling problem by using machine learning techniques
Makine öğrenme teknikleri kullanarak Crew programlama sorunu için şube ve sınava algoritmasının hızlanması
LEILA GHASEMZADEH
Yüksek Lisans
İngilizce
2019
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
- Mil-Std 1553 tabanlı sistemler için yeni bir saldırı tespiti yaklaşımı
A new intrusion detection approach for Mil-Std 1553 based systems
YUNUS EMRE ÇİLOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞERİF BAHTİYAR