数据驱动的喷气燃料需求预测：以哥本哈根机场为例
机器学习
2025-11-11 v1
摘要
准确预测喷气燃料需求对于优化航空市场的供应链运营至关重要。燃料分销商特别需要精确的估算，以避免库存短缺或过剩。然而，目前缺乏使用机器学习模型分析喷气燃料需求预测问题的研究。相反，许多行业从业者依赖于确定性或基于专业知识的模型。在本研究中，我们利用从丹麦市场一家主要航空燃料分销商处获得的大量数据，评估了数据驱动方法的性能。我们的分析比较了传统时间序列模型、Prophet、LSTM 序列到序列神经网络和混合模型的预测能力。开发这些模型的一个关键挑战是所需的预测范围，因为需要预测未来 30 天的燃料需求以优化采购策略。为了确保数据驱动方法的可靠性并为从业者提供有价值的见解，我们分析了三个不同的数据集。本研究的主要目的是展示一个关于喷气燃料需求预测的综合案例研究，展示采用数据驱动模型的优势，并强调在预测模型中纳入额外变量的影响。
引用
@article{arxiv.2511.05569,
title = {Data-driven jet fuel demand forecasting: A case study of Copenhagen Airport},
author = {Alessandro Contini and Davide Cacciarelli and Murat Kulahci},
journal= {arXiv preprint arXiv:2511.05569},
year = {2025}
}