Air Passenger Demand Forecasting Using Particle Swarm Optimization and Firefly Algorithm

Marie-Sainte, Souad Larabi; Saba, Tanzila; Alotaibi, Sihaam

doi:10.1166/jctn.2019.8242

Cited by 7 publications

(5 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Data DSS is based on data processing to generate the required information. While knowledge-based DSS is based on a knowledge base to provide relevant information and advice on a decision [11], [12]. DSS has several advantages including being able to help reduce the risk of errors in decision making, provide fast and accurate results, and facilitate access to information [13], [14].…”

Section: Decision Support Systemmentioning

confidence: 99%

Optimization of Decision Support System in Investment Risk Management with Firefly Algorithm

Sopandi

2023

J. Appl. Data Sci.

View full text Add to dashboard Cite

This research focuses on optimizing the decision support system in investment risk management using Firefly Algorithm. The data used in this research is obtained from the Kaggle repository. The research aims to compare the performance of Firefly Algorithm with other optimization algorithms such as Genetic Algorithm, Particle Swarm Optimization, and Simulated Annealing. This research applies Firefly Algorithm and other optimization algorithms individually to the investment risk management system to analyze and compare their performance. The results show that Firefly Algorithm outperforms other optimization algorithms in terms of finding optimal solutions and minimizing investment risk. Firefly Algorithm can effectively identify the best investment options to avoid risks, which can bring significant benefits to investors and companies. The findings of this study show that Firefly Algorithm can be a useful tool in the investment risk management system. The application of Firefly Algorithm in the investment risk management decision-making process can improve decision-making and help investors avoid risks and maximize their profits. The novelty of this research is the application of the Firefly algorithm to optimize the decision support system in investment risk management. It aims to identify the best option in avoiding investment risk and maximizing profit. In addition, this research also compares the performance of the Firefly algorithm with other algorithms such as Genetic Algorithm, Particle Swarm Optimization, and Simulated Annealing in solving optimization problems in the investment field.

show abstract

Section: Decision Support Systemmentioning

confidence: 99%

Optimization of Decision Support System in Investment Risk Management with Firefly Algorithm

Sopandi

2023

J. Appl. Data Sci.

View full text Add to dashboard Cite

show abstract

“…В роботі Bao, Y., Yi, D., Xiong, T., Hu, Z., & Zheng, S. (2011) [1][2][3][4][5][6][7][8] проведено порівняльне дослідження гібридної лінійної та нелінійної моделі моделювання для прогнозування авіаційних перевезень. В роботі авторами було здійснено вибір моделі для проведення відповідних розрахунків параметрів пасажиропотоків.…”

Section: аналіз останніх досліджень та публікаційunclassified

Модель Функціонування Авіаційної Маршрутної Мережі

Доля,

Доля

2023

SBT

View full text Add to dashboard Cite

Проблематикою дослідження транспортних систем є вартість такого дослідження. Не можна поставити експеримент з вивчення змін пасажиропотоків на маршрутах при зміні вартості їздки на самому маршруті або на маршрутах конкурентах, бо такі досліди матимуть свій грошовий вплив на соціум та на транспортні підприємства. Важко проводити й рамках експерименту досліди стану системи при зміні рухомого складу, що також є значно вартісним при наявному науковому інтересі. Значна вартість для фінансового навантаження на транспортні підприємства чи суспільства може значно вплинути на фінансові потоки виробника чи суспільства, а тому такі досліди й висновки за дослідами є проведеними не в повній мірі, що може призводити до невизначеності дій на певних етапах розвитку проекту із експлуатації засобу транспорту на маршруті. Для запобігання виникнення невизначеностей науковцями запропоновано моделювання певних процесів функціонування маршруту. Недоліками такого підходу є його фактична реалізація обмежена імітуванням певного набору факторів. В результаті отримані моделі, значною мірою, розглядають один маршрут та вплив на нього одного чи двох факторів. Запропонована модель транспортної маршрутної мережі враховує взаємопов’язаність при одночасному функціонуванні в мережі багатьох типів транспорту та їхніх маршрутів. Вперше запропоновано комплексний підхід до вивчення процесів транспорту з урахуванням залежності економічних показників від технічних та навпаки. Проведено моделювання маршрутної мережі всього регіону України при одночасному функціонуванні водного, повітряного, автомобільного та залізничного транспорту. В результатах проведеної роботи продемонстровано можливості моделі в плануванні функціонування маршруту на прикладі авіаційного транспорту. Визначено, що встановлення залежностей між часом та фінансовими потоками є можливим. Такий підхід надає можливість адмініструвати систему пасажирських перевезень в регіоні при ґрунтовному визначенні наслідків певних дій.

show abstract

“…Jafari used both traditional and artificial intelligence methods to examine the impact of COVID-19 on demand for U.S. domestic passenger demand [7]. Marie-Sainte et al proposed two new hybrid forecasting methods, particle swarm optimization-based linear regression and firefly algorithm-based linear regression for airline demand forecasting [8]. Dursun and Toraman used the long short-term memory method to forecast the number of passengers at Elazığ Airport.…”

Section: Introduction (Gi̇ri̇ş)mentioning

confidence: 99%

Fleet Type Planning for Private Air Transport After Covid-19

Kılıç

Albayrak

Erkayman

2023

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım Ve Teknoloji

View full text Add to dashboard Cite

The global impact of the epidemic COVID-19 has done great damage to air transport. Demand for airline transportation has declined for reasons such as quarantine practices by countries, curfews, the economic recession, and the transfer of meetings to digital platforms. This situation has also led to a change in individuals' preferences for air transport. The most striking change in air transport is the tendency of individuals to private air transport privately to minimize the health risks that may arise from personal contacts. Individuals who avoid commercial air transport where public transportation is has transitioned private air transport. For these reasons, an forecasting study was conducted in this study so that a private airline company can provide accurate flight plans in the future. For the forecast study, the number of aircraft types for 2022 was determined by obtaining data on the number of aircraft by passenger capacity, the number of flights, and the number of passengers for 2019-2021 from the airline company. In the forecasting study, the models with the highest accuracy value were selected from the machine learning models. The results provided important information about the company's future fleet planning.

show abstract

Air Passenger Demand Forecasting Using Particle Swarm Optimization and Firefly Algorithm

Cited by 7 publications

References 0 publications

Optimization of Decision Support System in Investment Risk Management with Firefly Algorithm

Optimization of Decision Support System in Investment Risk Management with Firefly Algorithm

Модель Функціонування Авіаційної Маршрутної Мережі

Fleet Type Planning for Private Air Transport After Covid-19

Contact Info

Product

Resources

About