Read more
Este libro explora la aplicación de diversas series temporales y técnicas de aprendizaje automático para modelizar y prever el tráfico aéreo nacional. Proporciona un estudio exhaustivo de los enfoques de predicción tradicionales y modernos. Presenta una amplia revisión bibliográfica sobre la modelización del tráfico aéreo, que abarca métodos tradicionales de series temporales (Holt's Winter, ARIMA, SARIMA) junto con técnicas avanzadas de aprendizaje automático (FFNN, MLP, LSTM). También se incluye un análisis comparativo de estos métodos, destacando sus puntos fuertes y sus limitaciones. Además, se explora la estimación bayesiana de los parámetros del modelo SARIMA. Los parámetros estimados y las predicciones se comparan con el método tradicional de máxima verosimilitud. Se amplía la investigación introduciendo modelos de mezcla, enfoques híbridos y técnicas simples de promediación para mejorar la precisión de las predicciones. La eficacia de estos modelos se evalúa mediante análisis comparativos.
About the author
La Dra. Mounika Panjala, licenciada en Estadística Aplicada y doctora en Estadística por la Universidad de Osmania, es profesora en la Universidad de Hyderabad (Telangana, India). Ha destacado académicamente, obteniendo los títulos UGC-NET, GATE (Estadística) y TSSET, y su investigación se centra en "Modelización de datos mediante aprendizaje automático".
