ترجمه فارسی مقاله رمزگشایی اختلالات سفرهای هوایی: رویکرد یادگیری ماشینی

چکیده

This research investigates flight delay trends by examining factors such as departure time, airline, and airport. It employs regression machine learning methods to predict the contributions of various sources to delays. Time-series models, including LSTM, Hybrid LSTM, and Bi-LSTM, are compared with baseline regression models such as Multiple Regression, Decision Tree Regression, Random Forest Regression, and Neural Network. Despite considerable errors in the baseline models, the study aims to identify influential features in delay prediction, potentially informing flight planning strategies. Unlike previous work, this research focuses on regression tasks and explores the use of time-series models for predicting flight delays. It offers insights into aviation operations by independently analyzing each delay component (e.g., security, weather).

چکیده به فارسی (ترجمه ماشینی)

این تحقیق با بررسی عواملی مانند زمان عزیمت ، هواپیمایی و فرودگاه ، روند تأخیر پرواز را بررسی می کند.این روش از روشهای یادگیری ماشین رگرسیون برای پیش بینی سهم منابع مختلف در تأخیر استفاده می کند.مدل های سری زمانی ، از جمله LSTM ، Hybrid LSTM و BI-LSTM ، با مدلهای رگرسیون پایه مانند رگرسیون چندگانه ، رگرسیون درخت تصمیم ، رگرسیون جنگلی تصادفی و شبکه عصبی مقایسه می شوند.با وجود خطاهای قابل توجه در مدل های پایه ، این مطالعه با هدف شناسایی ویژگی های تأثیرگذار در پیش بینی تأخیر ، به طور بالقوه آگاهی از استراتژی های برنامه ریزی پرواز.بر خلاف کار قبلی ، این تحقیق بر وظایف رگرسیون متمرکز شده و به بررسی استفاده از مدل های سری زمانی برای پیش بینی تاخیر پرواز می پردازد.این کشور با تجزیه و تحلیل مستقل هر یک از مؤلفه های تأخیر (به عنوان مثال ، امنیت ، آب و هوا) بینش هایی در مورد عملیات حمل و نقل هوایی ارائه می دهد.