Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/3431
Title: Beklenmedik uçak yönlendirmelerini azaltma: zaman serisi analizi ve yapay sinir ağları ile modelleme
Other Titles: Reduce unexpected airline diverts: modelling with time series analysis and neural network
Authors: Hanalioğlu, Tahir
Doğan, Hazal Berve
Keywords: Havacılık
Uçak Yönlendirme
Hava Tahmini
Zaman Serileri
Karar Destek Sistemi
Tekrarlayan Yapay Sinir Ağları (TSA)
LSTM
Divert
Weather Forecast
Regression
Time Series
Decision Support System
Neural Network
RNN
Issue Date: 1-Jan-2019
Publisher: TOBB University of Economics and Technology,Graduate School of Engineering and Science
TOBB ETÜ Fen Bilimleri Enstitüsü
Source: Doğan, B. (2019). Beklenmedik uçak yönlendirmelerini azaltma: zaman serisi analizi ve yapay sinir ağları ile modelleme. Ankara: TOBB ETÜ Fen Bilimleri Enstitüsü. [Yayınlanmamış yüksek lisans tezi]
Abstract: Bu çalışmada, bir havayolu şirketinin beklenmeyen yönlendirmelerinin sebep oldu-ğu maliyetlerin en aza indirgenmesi amacı ile bir karar destek sistemi tasarlanmış-tır. Söz konusu havayolu şirketi tarafından temin edilen meteorolojik veriler ışığın-da R programlama dili kullanılarak, görüş mesafesini öngörmek amacı ile yapılan analizlerin sonuçları sunulmuştur. Verilerin zaman serisi analiz yöntemleri kullanı-larak incelenmesi ile öngörülerde bulunmak amaçlanmıştır. İleriye dönük 3 saate karşılık gelecek şekilde ayrıntılı değerlendirme gerçekleştirilmiştir. Zaman serisi analizlerinden AR, MA, ARMA, ARIMA, AutoARIMA ve VAR kullanılarak elde edilen sonuçlar, hata oranı fonksiyonlarına göre karşılaştırılmıştır. Çalışmanın ikinci bölümünde, MATLAB programlama dili kullanılarak yapay sinir ağları oluşturul-muş, bu yöntem ile elde edilen meteorolojik verilerin tahminleri, zaman serisi ana-lizi sonuçları ile karşılaştırılmıştır. Sistemsel olarak iyileştirme, yönlendirilen uçuş-lara ait kararların doğruluğu ile ölçülmüştür. Ölçümler, karışıklık matrisine işlen-miştir.
In this study, a decision support system is designed in order to minimize the number of flights that are diverted unexpectedly. The aim is to reduce the expenses that arise when the aircraft is not able to land on the targeted airport due to the unfavorable weather conditions, such as rescheduling the timetable, overuse of aircraft fuel than planned, passengers' accommodation and ticket reissue. In order to reduce such temporal and financial losses caused by diverted flights, decision to take off or not is made before departure, while the decision to land or not is made during flight, after a brief analysis based on weather data of target airport. For the aircraft to land on target airport as scheduled, it is crucial that the weather forecasts for visibility range, ceiling and wind speed are within the limits of the safe flight requirements. Considering the significance of this decision regarding by finance, there is a need for a decision support system that is capable of boosting the process through optimal decision-making by forecasting airport weather conditions. In the first part of the study, weather is forecast using regression and time series analysis, of which methods can be detailed as auto regressive (AR), moving average (MA), auto regressive integrated moving average (ARIMA) and vector auto regressive (VAR). Although such forecast methods are relatively effective in achieving the desired result, neural network and fuzzy logic techniques are expected to present more accurate forecast with their complicated and advanced algorithm structure. In the second part of the study, neural networks are created with using MATLAB. The results which is obtained with these methods are compared time series analysis results. Improvement is measured by accuracy of the decisions of diverted flights. The measurements are recorded on the confusion matrix.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp
https://hdl.handle.net/20.500.11851/3431
Appears in Collections:Endüstri Mühendisliği Yüksek Lisans Tezleri / Industrial Engineering Master Theses

Files in This Item:
File Description SizeFormat 
577201.pdfHazal Berve Doğan_Tez4.17 MBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

220
checked on Dec 26, 2022

Download(s)

50
checked on Dec 26, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.