Повышение точности прогнозирования авиационных метрик с помощью моделей машинного обучения для снижения операционных затрат ООО "воздушные ворота северной столицы"

ОГЛАВЛЕНИЕ
Введение
Глава 1. Описание компании и действующего способа прогнозирования
1.1 История аэропорта
1.2 Общие сведения о компании
1.3 Теоретические основания проогнозирования в авиационной индустрии
1.4 Существующая модель прогнозирования
1.5 Постановка задачи по методологии GRISP-DM
Вывод по главе 1
Глава 2. Обработка и анализ данных
2.1 Предобработка данных
2.2 Анализ данных
Вывод по главе 2
Глава 3. Обзор методов машинного обучения, выбор методов для построения моделей
3.1 Определение машинного обучения
3.2 Различия статистических методов и методов машинного обучения при анализе временных рядов
3.3 Выбор методов для построения моделей
3.4 Описание реализуемых методов
Вывод по главе 3
Глава 4. Модели прогнозирования авиационных метрик
4.1 Обучение моделей
4.2 Оценка точности, выбор наилучших моделей
4.3 Рекомендации по внедрению, оценка влияния на операционные затраты
Вывод по главе 4
Заключение
Список литературы
Приложения
Приложение 1. Графики прогнозов моделей LSTM по всем сегментам и метрикам
Приложение 2. Графики прогнозов моделей XGBoost по всем сегментам и метрикам

ВВЕДЕНИЕ

Данная работа выполнена в формате прикладного проекта для ООО «Воздушные Ворота Северной Столицы» – управляющей компании аэропорта Пулково, расположенного в Санкт-Петербурге. Пулково является одним из крупнейших и наиболее современных аэропортов в России, обслуживающим более 20 миллионов пассажиров в год. Он осуществляет как международные, так и внутренние авиарейсы, обладая широкой сетью направлений. Приоритетами работы аэропорта являются высокое качество обслуживания и безопасность пассажиров, а также оперативность и эффективность в работе. Основанный в 1932 году, аэропорт Пулково имеет более 90-летний опыт работы в сфере авиационного транспорта и туризма, привлекая клиентов из разных регионов России и всего мира.
Прогнозирование является одним из важнейших аспектов авиационной отрасли, особенно для аэропортов. Точные прогнозы