Uçuş verilerinin analizi ve tahmini için derin öğrenme yaklaşımları
Deep learning approaches for analysis and prediction of flight data
- Tez No: 918713
- Danışmanlar: DOÇ. DR. MEHMET EMİN ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uçak Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uçak Mühendisligi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, uçuş verilerinin analizi ve tahmini için derin öğrenme yöntemlerinin uygulanmasını incelemektedir. Hızla büyüyen havacılık sektörü, uçuş güvenliğini artırmak, operasyonel verimliliği optimize etmek ve yolcu memnuniyetini sağlamak amacıyla uçuş rotası ve uçuş gecikmesi tahmini gibi konulara odaklanmayı gerektirmektedir. Tezde, uçuş rotası ve gecikmesi tahminleri için CNN ve LSTM gibi derin öğrenme modelleri kullanılmıştır. Çalışmada, ADS-B verileri ve BTS On-Time Performance verileri birleştirilerek hem zamansal hem de uzamsal analizler gerçekleştirilmiştir. Uçuş rotası tahminlerinde LSTM ile düşük hata oranları elde edilirken, gecikme tahminleri için CNN modeli başarıyla uygulanmıştır. Sonuçlar, uçuş rotası ve gecikmelerinin birbirine olan etkilerini ortaya koymakta ve havacılık operasyonlarının optimizasyonu için pratik çözüm önerileri sunmaktadır.
Özet (Çeviri)
This study explores the application of deep learning methods for the analysis and prediction of flight data. The rapidly growing aviation sector necessitates a focus on flight route and delay prediction to enhance safety, optimize operational efficiency, and improve passenger satisfaction. In this thesis, deep learning models such as CNN and LSTM were employed for flight route and delay predictions. By integrating ADS-B data with BTS On-Time Performance datasets, both temporal and spatial analyses were conducted. The LSTM model achieved low error rates in flight route predictions, while the CNN model was effectively applied for delay estimations. The results reveal the interdependencies between flight routes and delays, offering practical solutions for the optimization of aviation operations.
Benzer Tezler
- Advancing conformal prediction with fuzzy logic and ıts extensions to system ıdentification
Konformal tahminin bulanik mantik ile geliştirilmesi ve sistem tanimlamadaki kullanimi
SALEH MSADDI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR
- İha rota planlama yaklaşimlarinin analizi:Q-learning ve klasi̇k algoritmalar
İha rota planlama yaklaşımlarının analizi:Q-learnıng ve klasik algoritmalar
SERAP KILINÇ
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriTürk Hava Kurumu Üniversitesiİnsansız ve Otonom Sistem Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MELTEM YILDIRIM İMAMOĞLU
- Semantic segmentation of UAV images in archaeological sites using deep learning
Arkeolojik alanlardaki İHA görüntülerinin derin öğrenme yardımıyla anlamsal segmentasyonu
DAMLA KUMBASAR
Yüksek Lisans
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Domain adaptive visual inertial global localization in GNSS-denied environments
GNSS olmayan ortamlarda görüntü uyarlamalı görsel-ataletsal küresel konum belirleme
ABDÜLBAKİ ŞANLAN
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Dynamic data-driven optimization approach for flight selection problem
Uçuş seçimi problemi için dinamik veri odaklı optimizasyon yaklaşımı
ERDEM AKIN
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. BAŞAR ÖZTAYŞİ