隨著民航業(yè)的快速發(fā)展,航班延誤逐漸成為一個(gè)熱點(diǎn)話題。航班延誤成因較難解釋,因?yàn)槠淇赡苁苤朴诙嘀匾蛩?例如天氣原因,出發(fā)地或者目的地機(jī)場(chǎng)管理原因,航空公司管理原因,航空管制原因,前序航班原因,旅客原因等等,甚至多重原因疊加或多種原因形成連鎖效應(yīng)。對(duì)于機(jī)場(chǎng)而言,尤其是規(guī)模較大的機(jī)場(chǎng),航班延誤將導(dǎo)致非常有限的航路、跑道、機(jī)場(chǎng)設(shè)施等資源分配計(jì)劃被打亂,也可能導(dǎo)致旅客滯留,從而顯著增加機(jī)場(chǎng)的安全、運(yùn)營(yíng)和調(diào)度壓力,造成航空公司或旅客滿意度下降。對(duì)航空公司而言,其營(yíng)業(yè)利潤(rùn)嚴(yán)重依賴于每架飛機(jī)嚴(yán)格按照計(jì)劃時(shí)刻表運(yùn)營(yíng),每次航班延誤將導(dǎo)致運(yùn)營(yíng)、維護(hù)和人力成本的增加,并可能導(dǎo)致后序的運(yùn)營(yíng)計(jì)劃全部被打亂,后序航班持續(xù)延誤或被迫取消,各種成本進(jìn)一步上升。對(duì)旅客而言,航班延誤為出行途中最不愿意碰到的情況,時(shí)間、精力因此而損耗,后序行程也因此受到影響。對(duì)于保險(xiǎn)公司而言,航班延誤的研究與預(yù)測(cè)也對(duì)其旅行保險(xiǎn)、航班延誤保險(xiǎn)等險(xiǎn)種的定價(jià)與經(jīng)營(yíng)有重要的意義。本文對(duì)于航班延誤的分析與預(yù)測(cè)將有助于改進(jìn)上述問題,幫助上述各方做更好的預(yù)判,實(shí)現(xiàn)各方收益的優(yōu)化。本文采用了機(jī)器學(xué)習(xí)中的有監(jiān)督式學(xué)習(xí)的幾種主流方法,對(duì)于全美2015年航班延誤...

【文章頁數(shù)】：36 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
1 介紹
    1.1 背景描述
    1.2 研究目的
    1.3 論文結(jié)構(gòu)
    1.4 研究工具
2 統(tǒng)計(jì)學(xué)習(xí)理論模型
    2.1 k-NN
    2.2 C4.5
    2.3 Random Forest
    2.4 SVM
3 數(shù)據(jù)
    3.1 數(shù)據(jù)描述
        3.1.1 航班延誤數(shù)據(jù)
        3.1.2 天氣數(shù)據(jù)
    3.2 數(shù)據(jù)清理
        3.2.1 數(shù)據(jù)結(jié)構(gòu)
        3.2.2 空值處理
    3.3 數(shù)據(jù)加工
        3.3.1 增加公眾節(jié)假日字段
        3.3.2 簡(jiǎn)化計(jì)劃起飛和到達(dá)時(shí)間段
4 探索性分析
    4.1 航空公司與延誤
    4.2 月份與延誤
    4.3 星期與延誤
    4.4 航班時(shí)間與延誤
    4.5 節(jié)假日與延誤
5 歸類分析
    5.1 數(shù)據(jù)
    5.2 C4.5模型與預(yù)測(cè)結(jié)果
    5.3 隨機(jī)森林模型與預(yù)測(cè)結(jié)果
    5.4 SVM模型及其預(yù)測(cè)結(jié)果
    5.5 k-NN模型及其預(yù)測(cè)結(jié)果
6 決策樹和歸類分析優(yōu)化
    6.1 決策樹和歸類分析評(píng)價(jià)
    6.2 引入新變量
    6.3 評(píng)價(jià)基準(zhǔn)
    6.4 優(yōu)化后的分析結(jié)果
        6.4.1 C4.5
        6.4.2 Random Forest
        6.4.3 SVM
        6.4.4 k-NN
7 回歸分析
    7.1 線性回歸
    7.2 隨機(jī)梯度下降回歸(Stochastic Gradient Descent Regressor)
8 結(jié)論與不足
參考資料



本文編號(hào)：3891561