Ulteriori informazioni
Este livro explora a aplicação de várias séries cronológicas e técnicas de aprendizagem automática para modelar e prever o tráfego aéreo doméstico. Fornece um estudo abrangente das abordagens de previsão tradicionais e modernas. Apresenta uma extensa revisão da literatura sobre a modelação do tráfego aéreo, abrangendo métodos tradicionais de séries temporais (Holt's Winter, ARIMA, SARIMA) juntamente com técnicas avançadas de aprendizagem automática (FFNN, MLP, LSTM). Inclui também uma análise comparativa destes métodos, salientando os seus pontos fortes e limitações. Além disso, explora a estimativa Bayesiana dos parâmetros do modelo SARIMA. Os parâmetros estimados e as previsões são comparados com a abordagem tradicional de máxima verosimilhança. A investigação é alargada com a introdução de modelos mistos, abordagens híbridas e técnicas simples de cálculo de médias para aumentar a precisão das previsões. A eficácia destes modelos é avaliada através de uma análise comparativa.
Info autore
A Dra. Mounika Panjala, com um mestrado em Estatística Aplicada e um doutoramento em Estatística pela Universidade de Osmania, é membro do corpo docente da Universidade de Hyderabad, Hyderabad, Telangana, Índia. Destacou-se academicamente, qualificando-se para o UGC-NET, GATE (Estatística) e TSSET, com investigação centrada na "Modelação de dados através da aprendizagem automática".
