Légi járatkésések előrejelzése gépi tanulással

Kelemen Luca Virág (2025) Légi járatkésések előrejelzése gépi tanulással. Pénzügyi és Számviteli Kar.

	PDF Szakdolgozat_2025_Kelemen_Luca_Virag.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB)
	PDF biralatilap_Kelemen_Luca.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (93kB)

Absztrakt (kivonat)

A szakdolgozat célja a menetrendhez képest 15 percnél nagyobb késést elszenvedő repülőjáratok előrejelzése gépi tanulási módszerek alkalmazásával, több mint 250 000 rekordot tartalmazó légiközlekedési adatbázis feldolgozásán keresztül. A kutatás során részletes adattisztítási, jellemzőképzési és modellezési folyamat valósult meg, amelyben különböző algoritmusok (k-NN, logisztikus regresszió, döntési fa, Random Forest, Gradient Boosting és XGBoost) teljesítményét hasonlítottam össze. A hiperparaméter-hangolás és keresztvalidáció eredményei alapján az XGBoost bizonyult a legeredményesebb modellnek, amely jelentős pontosságot és stabil generalizációs képességet mutatott. A SHAP-alapú magyarázhatósági vizsgálatok feltárták a késéseket leginkább meghatározó tényezőket, így az útvonal-, szezonális, forgalmi és operatív jellemzők szerepét. A dolgozat bemutatja, hogy a prediktív modellezés hatékony eszközt jelenthet a repülőtéri és légitársasági döntéstámogatásban, különösen a kapacitástervezés, erőforrás-allokáció és operatív kockázatkezelés területén. Az eredmények alapot teremtenek a jövőbeni valós idejű előrejelző rendszerek fejlesztéséhez és a késéskezelési folyamatok optimalizálásához.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	adatmodellezés, adatok, légiközlekedés, statisztikai adatelemzés, tanuló algoritmusok
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:04
Utolsó módosítás:	2026. Júl. 09. 11:04

Actions (login required)

Tétel nézet