机构名称：
¥ 1.0
1.简介 航空是最受欢迎的国际交通方式之一。为了支持日益增长的航空旅行需求，世界各地的许多机场在不久的将来都需要更高效的空中交通管理。换句话说，负责为到达的飞机分配跑道的空中交通管制员 (ATC) 承受着巨大的压力，需要管理合适的跑道和路线，让飞机准时安全降落，尤其是在拥挤的机场。许多航空管理工具使用机器学习来分析和改进空中交通管理，以保持空中交通的最高安全水平，例如机场滑行时间预测 [1]、航班延误预测研究 [2] 和航空事故预测 [3]。机器学习 (ML) 是一种有用的数据可视化和管理工具，可以快速准确地解决各种问题。在之前的 ML 研究中，K. Srijakkot 等人。证明了在不同环境和模型下变电站入侵者检测的良好性能，包括计算时间短和精度高 [4, 5]。ML 不仅在检测入侵者方面具有优势，而且在医学领域也具有优势，其中预处理和 IterNet 模型在提取视网膜血管方面表现出很高的准确性 [6]。之前的 ML 研究精度很高，适用于航空领域。为了减轻空中交通管制员操作的压力并保持空中交通服务的最高安全水平，本研究的目的是将逻辑回归算法与随机森林算法进行比较，以确定哪种算法最适合为泰国最大、最繁忙的机场素万那普机场 (VTBS) 的飞机分配跑道。
开放获取论文集《物理学杂志：会议系列》
主要关键词
相关文件推荐
