Predicción de retraso en los vuelos comerciales de Estados Unidos debido a las condiciones climáticas
En un mundo globalizado, la gestión eficiente de vuelos comerciales es fundamental debido a su impacto en la vida cotidiana. Con el clima volviéndose cada vez más cambiante, anticipar los retrasos en estos vuelos se vuelve esencial para mantener la eficiencia en el transporte aéreo. Este trabajo emp...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/109011 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/109011 |
| Access Level: | acceso abierto |
| Palabra clave: | 004.6 656.7 minería de datos, retraso en los vuelos, factores climáticos, análisis predictivo, aprendizaje supervisado data mining, flight delays, weather factors, predictive analysis, supervised learning Estadística aplicada Investigación Comercial Probabilidades (Matemáticas) 1209.03 Análisis de Datos 1209.14 Técnicas de Predicción Estadística |
| Sumario: | En un mundo globalizado, la gestión eficiente de vuelos comerciales es fundamental debido a su impacto en la vida cotidiana. Con el clima volviéndose cada vez más cambiante, anticipar los retrasos en estos vuelos se vuelve esencial para mantener la eficiencia en el transporte aéreo. Este trabajo emplea minería de datos para analizar cómo las condiciones meteorológicas afectan los retrasos de vuelos comerciales en cuatro aeropuertos de Estados Unidos durante 2023. Utilizando técnicas de aprendizaje supervisado, se desarrolla un modelo predictivo que identifica patrones en los datos históricos de vuelos y clima. El objetivo es optimizar la gestión de vuelos y reducir costes, mejorando así la experiencia del pasajero mediante herramientas precisas para anticipar y manejar los efectos del clima en la puntualidad de los vuelos. Los resultados muestran que el método de XGBoost es el más eficaz para predecir retrasos. Además, se encontró que las precipitaciones y las rachas de viento tienen el mayor impacto en los retrasos de vuelos, superando a otras condiciones climáticas en su efecto sobre la puntualidad. |
|---|