用于航空运输规划与管理的机器学习
机器学习
2021-12-03 v1 物理与社会
摘要
在这项工作中，我们比较了几种应用于航空运输需求建模问题的机器学习算法的性能。由于该行业的经济和金融属性，航空运输业的预测是规划和管理的重要组成部分。国际民用航空组织规定的航空公司运营传统方法是使用多元线性回归（MLR）模型，利用成本变量和经济因素。此处，将使用人工神经网络（ANN）、自适应神经模糊推理系统（ANFIS）、遗传算法、支持向量机和回归树的模型性能与 MLR 进行比较。ANN 和 ANFIS 在最低均方误差方面具有最佳性能。
引用
@article{arxiv.2112.01301,
title = {Machine Learning for Air Transport Planning and Management},
author = {Graham Wild and Glenn Baxter and Pannarat Srisaeng and Steven Richardson},
journal= {arXiv preprint arXiv:2112.01301},
year = {2021}
}
备注
9 pages, 8 figures