Resumen

El retraso de vuelos es la preocupación más común de los actores de la aviación en todo el mundo. Las aerolíneas, que sufren pérdidas monetarias y de lealtad de los clientes, son las más afectadas. Varios estudios han intentado analizar y resolver los retrasos de vuelos utilizando algoritmos de aprendizaje automático. Esta investigación tiene como objetivo predecir el retraso en la llegada de vuelos utilizando una Red Neuronal Artificial (ANN). Aplicamos un Perceptrón Multicapa (MLP) para entrenar y probar nuestros datos. En nuestro trabajo se han adoptado dos enfoques. En el primero, utilizamos datos históricos de vuelos extraídos de la Oficina de Estadísticas de Transporte (BTS). El segundo enfoque mejora la eficiencia del modelo aplicando un entrenamiento de datos selectivo. Consiste en seleccionar solo las instancias más relevantes del conjunto de datos de entrenamiento que son vuelos retrasados. Según la BTS, un vuelo cuya diferencia entre los horarios programados y reales de llegada sea de

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Retraso de vuelo; Algoritmos de aprendizaje automático; Red Neuronal Artificial; Perceptrón Multicapa; Entrenamiento de datos selectivos; Retrasos en la salida
• Keywords:Flight delay; Machine learning algorithms; Artificial Neural Network; MultiLayer Perceptron; Selective-data training; Departure delays