Redes Neuronales Recurrentes aplicadas a series de tiempo: Predicción de Pasajeros de Rutas Regionales en Argentina

Para la mayoría de las empresas es importante contar con información actualizada y precisa, sobre todo en contextos de gran incertidumbre. En la industria aeronáutica, particularmente, una predicción precisa del número de pasajeros resulta vital ya que proporciona información valiosa para decisio...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Gaset, Constanza
Otros Autores: Cornejo, Magdalena
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: 2023
Materias:
Predicción tecnológica
Industria Aeronáutica
Transporte aereo
Toma de Decisiones
Covid-19
Redes Neuronales Recurrentes
Aprendizaje automático
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11575
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11575
record_format dspace
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Predicción tecnológica
Industria Aeronáutica
Transporte aereo
Toma de Decisiones
Covid-19
Redes Neuronales Recurrentes
Aprendizaje automático
spellingShingle Predicción tecnológica
Industria Aeronáutica
Transporte aereo
Toma de Decisiones
Covid-19
Redes Neuronales Recurrentes
Aprendizaje automático
Gaset, Constanza
Redes Neuronales Recurrentes aplicadas a series de tiempo: Predicción de Pasajeros de Rutas Regionales en Argentina
topic_facet Predicción tecnológica
Industria Aeronáutica
Transporte aereo
Toma de Decisiones
Covid-19
Redes Neuronales Recurrentes
Aprendizaje automático
description Para la mayoría de las empresas es importante contar con información actualizada y precisa, sobre todo en contextos de gran incertidumbre. En la industria aeronáutica, particularmente, una predicción precisa del número de pasajeros resulta vital ya que proporciona información valiosa para decisiones de planificación de la oferta de vuelos y estrategias de gestión de ingresos o revenue management que afectan no solo al nivel de servicio sino también a la maximización de los ingresos de las aerolíneas. Asimismo, el contexto reciente con la Pandemia COVID-19, afectó drásticamente al sector aerocomercial generando un nivel adicional de dificultad a la tarea de predecir el número de pasajeros futuros. Sin embargo, nos brindó un marco muy particular para evaluar el desempeño de distintos modelos predictivos en un contexto de gran incertidumbre y quiebre en las series a pronosticar. Este estudio propone explorar diferentes modelos complejos para predecir los pasajeros de las principales rutas regionales operadas en Argentina, a nivel origen-destino con un horizonte a doce meses. Se busca entender si éstos logran incorporar mejor el contexto reciente y generar predicciones confiables, como así también brindar información de utilidad a las aerolíneas. Se exploran modelos basados en Deep Learning como las Redes Neuronales Recurrentes (RNN), particularmente las redes de memoria a corto-largo plazo (LSTM, por sus siglas en inglés). Se aplican redes univariadas y multivariadas comparando los resultados obtenidos con modelos complejos clásicos como TBATS, utilizando como medida de comparación entre modelos a la Raíz Cuadrada del Error Cuadrático Medio (RMSE, por sus siglas en ingles). Las redes LSTM demuestran un desempeño superior sobre los modelos clásicos, pero aun con errores promedios altos relacionados al contexto cambiante de la industria. Finalmente, se realiza un caso simulado de aplicación de negocio con los resultados obtenidos en las predicciones, explicando sus potenciales usos en la toma de decisiones de una aerolínea.
author2 Cornejo, Magdalena
author_facet Cornejo, Magdalena
Gaset, Constanza
format Tesis de maestría
acceptedVersion
author Gaset, Constanza
author_sort Gaset, Constanza
title Redes Neuronales Recurrentes aplicadas a series de tiempo: Predicción de Pasajeros de Rutas Regionales en Argentina
title_short Redes Neuronales Recurrentes aplicadas a series de tiempo: Predicción de Pasajeros de Rutas Regionales en Argentina
title_full Redes Neuronales Recurrentes aplicadas a series de tiempo: Predicción de Pasajeros de Rutas Regionales en Argentina
title_fullStr Redes Neuronales Recurrentes aplicadas a series de tiempo: Predicción de Pasajeros de Rutas Regionales en Argentina
title_full_unstemmed Redes Neuronales Recurrentes aplicadas a series de tiempo: Predicción de Pasajeros de Rutas Regionales en Argentina
title_sort redes neuronales recurrentes aplicadas a series de tiempo: predicción de pasajeros de rutas regionales en argentina
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/11575
work_keys_str_mv AT gasetconstanza redesneuronalesrecurrentesaplicadasaseriesdetiempopredicciondepasajerosderutasregionalesenargentina
bdutipo_str Repositorios
_version_ 1764820542569840641

Ejemplares similares