Ulteriori informazioni
Questo libro esplora l'applicazione di varie serie temporali e tecniche di apprendimento automatico per modellare e prevedere il traffico aereo nazionale. Fornisce uno studio completo degli approcci previsionali tradizionali e moderni. Presenta un'ampia rassegna della letteratura sulla modellazione del traffico aereo, che comprende i metodi tradizionali delle serie temporali (Holt's Winter, ARIMA, SARIMA) e le tecniche avanzate di apprendimento automatico (FFNN, MLP, LSTM). È inclusa anche un'analisi comparativa di questi metodi, che ne evidenzia i punti di forza e i limiti. Inoltre, viene esplorata la stima bayesiana dei parametri del modello SARIMA. I parametri stimati e le previsioni sono confrontati con l'approccio tradizionale della massima verosimiglianza. La ricerca viene ampliata introducendo modelli misti, approcci ibridi e semplici tecniche di mediazione per migliorare l'accuratezza della previsione. L'efficacia di questi modelli viene valutata attraverso un'analisi comparativa.
Info autore
La dott.ssa Mounika Panjala, laureata in M.Sc. (Statistica Applicata) e Ph.D. (Statistica) presso l'Università di Osmania, è membro di facoltà presso l'Università di Hyderabad, Hyderabad, Telangana, India. Si è distinta a livello accademico, ottenendo le qualifiche UGC-NET, GATE (Statistica) e TSSET, con una ricerca incentrata sulla "Modellazione dei dati attraverso l'apprendimento automatico".
