แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Worapot Sommool. Analyzing machine learning techniques for air passenger numbers forecasting. (). King Mongkut's University of Technology North Bangkok. Central Library. : , 2024.
Analyzing machine learning techniques for air passenger numbers forecasting
Name: Pornsiri Khumla
Organization :
Kalasin University. Faculty of Engineering and Industrial Technology
Email :
pornsiri.kh@ksu.ac.th
Name: Kamthorn Sarawan
Organization :
Kalasin University. Faculty of Engineering and Industrial Technology
Email :
kamthorn.sa@ksu.ac.th
Name: Jantima Polpinij
Organization :
Mahasarakham University. Faculty of Informatics
Email :
jantima.p@msu.ac.th
Name: Sarayut Gonwirat
Organization :
Kalasin University. Faculty of Engineering and Industrial Technology
Email :
sarayut.go@ksu.ac.th
Name: Phoori Chantima
Organization :
Kalasin University. Faculty of Engineering and Industrial Technology
Email :
phoori.ch@ksu.ac.th
Name: Worapot Sommool
Organization :
Kalasin University. Faculty of Engineering and Industrial Technology
Email :
worapot.so@ksu.ac.th
keyword:
Gradient Boosting
LCSH:
Machine learning
LCSH:
Airplane occupants
-- Forecast
Abstract:
The imperative of forecasting air passenger
numbers is underscored by its utility in strategic planning and
operational optimization within the aviation sector. As a pivotal
technique for predicting continuous data, machine learning
methodologies offer a sophisticated avenue for enhancing
forecast accuracy. This study embarks on a detailed
examination of machine learning approaches to predict air
passenger volumes in Thailand, employing a suite of models:
Random Forest, XGBoost, Gradient Boosting, LightGBM and
CatBoost. Comparative analysis reveals the Gradient Boosting
model as the preeminent performer, demonstrating superior
forecasting capabilities with an RMSE of 8,081 and a MAPE of
2.57%. These findings underscore the potential of machine
learning techniques in refining the precision of air passenger
number forecasts, offering significant implications for the
planning and management of aviation operations.
King Mongkut's University of Technology North Bangkok. Central Library
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2024
Modified:
2025-05-21
Issued:
2025-05-21
บทความ/Article
application/pdf
BibliograpyCitation :
In IEEE Thailand Section (IEEE Computer Society Thailand Chapter) and Prince of Songkla University. College of Computing. The 21st International Joint Conference on Computer Science and Software Engineering (JCSSE 2024)) (pp.107-112). Phuket : Prince of Songkla University
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.031911 วินาที
Pornsiri Khumla
| Title | Contributor | Type |
|---|---|---|
| Analyzing machine learning techniques for air passenger numbers forecasting
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pornsiri Khumla;Kamthorn Sarawan;Jantima Polpinij;Sarayut Gonwirat;Phoori Chantima;Worapot Sommool | บทความ/Article |
Kamthorn Sarawan
| Title | Contributor | Type |
|---|---|---|
| Analyzing machine learning techniques for air passenger numbers forecasting
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pornsiri Khumla;Kamthorn Sarawan;Jantima Polpinij;Sarayut Gonwirat;Phoori Chantima;Worapot Sommool | บทความ/Article |
Jantima Polpinij
| Title | Contributor | Type |
|---|---|---|
| Mining bug report repositories to identify significant information for software bug fixing
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Bancha Luaphol.;Jantima Polpinij.;Manasawee Kaneampornpan. | บทความ/Article | |
| A comparative study of short text classification methods for bug report type identification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Jantima Polpinij;Manasawee Kaenampornpan;Bancha Luaphol | บทความ/Article | |
| Machine learning-based methods for identifying bug severity level from bug reports
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Kamthon Sarawan;Jantima Polpinij;Bancha Luaphol | บทความ/Article | |
| The development of a unified predictive model to predict closed price for a variety of cryptocurrencies
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Chen, Yuan;Jantima Polpinij;Thawatwong Lawan;Gamgarn Somprasertsri;Khanista Namee;Bancha Luaphol;Siriwiwat Lata;Hattanut Nakpaichit;Satitiphong Ua-Areemit | บทความ/Article | |
| Logistic regression-based sentiment classification approach for identifying undergraduate student sentiments in a course studied
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Thawatwong Lawan;Mananya Nimpisan;Jantima Polpinij;Pongpipat Saithong;Hattanut Nakpaichit;Siriwiwat Lata;Satitiphong Ua-Areemit;Napassakorn Mahattanateeranan;Bancha Luaphol;Khanista Namee | บทความ/Article | |
| Analyzing machine learning techniques for air passenger numbers forecasting
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pornsiri Khumla;Kamthorn Sarawan;Jantima Polpinij;Sarayut Gonwirat;Phoori Chantima;Worapot Sommool | บทความ/Article |
Sarayut Gonwirat
| Title | Contributor | Type |
|---|---|---|
| Analyzing machine learning techniques for air passenger numbers forecasting
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pornsiri Khumla;Kamthorn Sarawan;Jantima Polpinij;Sarayut Gonwirat;Phoori Chantima;Worapot Sommool | บทความ/Article |
Phoori Chantima
| Title | Contributor | Type |
|---|---|---|
| Analyzing machine learning techniques for air passenger numbers forecasting
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pornsiri Khumla;Kamthorn Sarawan;Jantima Polpinij;Sarayut Gonwirat;Phoori Chantima;Worapot Sommool | บทความ/Article |
Worapot Sommool
| Title | Contributor | Type |
|---|---|---|
| Analyzing machine learning techniques for air passenger numbers forecasting
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pornsiri Khumla;Kamthorn Sarawan;Jantima Polpinij;Sarayut Gonwirat;Phoori Chantima;Worapot Sommool | บทความ/Article |