Đồ án tốt nghiệp - Ứng dụng mô hình học máy trong dự đoán tình trạng trễ giờ bay

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM
KHOA CÔNG NGHỆ THÔNG TIN

HUỲNH CÔNG HẬU

MSSV: 20133039

Đề Tài :

ỨNG DỤNG MÔ HÌNH HỌC MÁY TRONG
DỰ ĐOÁN TÌNH TRẠNG TRỄ GIỜ BAY

KHÓA LUẬN TỐT NGHIỆP KỸ SƯ NGÀNH KỸ THUẬT DỮ LIỆU

GIÁO VIÊN HƯỚNG DẪN
THS. LÊ MINH TÂN

KHÓA 2020 – 2024

HOÀ TP.HCM
ĐH SƯ PHẠMCỘNG
KỸ THUẬT
KHOA
CNTT
Độc

XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

*******

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên: Huỳnh Công Hậu

MSSV: 20133039

Ngành: Kỹ thuật dữ liệu
Tên đề tài: Ứng dụng mô hình học máy trong dự đoán trong tình trạng trễ giờ bay
Họ và tên Giáo viên hướng dẫn: Ths. Lê Minh Tân
NHẬN XÉT

1. Về nội dung đề tài &amp khối lượng thực hiện:

2. Ưu điểm:

3. Khuyết điểm

4. Đề nghị cho bảo vệ hay không ?
5. Đánh giá loại :
6. Điểm :

Tp. Hồ Chí Minh, ngày tháng
Giáo viên hướng dẫn

(Ký &amp ghi rõ họ tên)

năm 2024

HOÀ TP.HCM
ĐH SƯ PHẠMCỘNG
KỸ THUẬT
KHOA
CNTT
Độc

XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

*******

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
Họ và tên Sinh viên: Huỳnh Công Hậu

MSSV: 20133039

Ngành: Kỹ thuật dữ liệu
Tên đề tài: Ứng dụng mô hình học máy trong dự đoán trong tình trạng trễ giờ bay
Họ và tên Giáo viên phản biện: Ths. Nguyễn Văn Thành
NHẬN XÉT

1. Về nội dung đề tài &amp khối lượng thực hiện:

2. Ưu điểm:

3. Khuyết điểm

4. Đề nghị cho bảo vệ hay không ?
5. Đánh giá loại :
6. Điểm :

Tp. Hồ Chí Minh, ngày

tháng

Giáo viên phản biện

(Ký &amp ghi rõ họ tên)

năm 2024

LỜI CẢM ƠN
Tôi muốn bày tỏ lòng tri ân sâu sắc đối với các thầy cô đã không ngừng theo sát,
hướng dẫn và hỗ trợ tôi trong suốt quá trình thực hiện dự án nghiên cứu của mình.
Đầu tiên và quan trọng nhất, tôi xin gửi lời cảm ơn chân thành đến Ban giám hiệu
Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, vì đã cung cấp một môi
trường học tập chất lượng và hiệu quả, giúp tôi có được những điều kiện tốt nhất để thực
hiện nghiên cứu này.
Tiếp theo, lòng biết ơn của tôi cũng xin được gửi đến Ban chủ nhiệm khoa Công
nghệ Thông tin cùng tất cả các thầy cô trong khoa, những người đã dành trọn vẹn tâm
huyết và sự chỉ dẫn để tôi tích lũy kiến thức và kỹ năng cần thiết suốt quãng thời gian
học tập và làm việc tại trường.
Cuối cùng, tôi xin gửi lời cảm ơn đặc biệt đến thầy Lê Minh Tân, Giáo viên
hướng dẫn Tiểu luận chuyên ngành thuộc Khoa Trí Tuệ Nhân Tạo – Chuyên ngành Kỹ
thuật dữ liệu. Thầy đã dành nhiều thời gian quan tâm, hướng dẫn, phản hồi và tận tình
chỉ bảo tôi trong suốt quá
...

...
Tình trạng chuyến bay có bị sự cố hay không(thời tiết,sân bay,an
ninh,hãng hàng không)
 Nút load Data : nó sẽ load dữ liệu và train dữ liệu khi người dùng nhập thông tin
xong
 Nút Use Preloaded: sử dụng dữ liệu đã được lưu không cần load dữ liệu lại.

- Nhập thông tin:
 Sau khi nhập đầy đủ thông tin nhấn nút Use Preloaded Data sẽ hiện nút Predict
using Ramdom Forest Regressor

54

- Thông tin Lights status(tình trạng chuyến bay)khi nhập điều kiện này là weather và
nhấn dự đoán sẽ xuất ra thông báo hoặc vấn đề airline , Nas, Security .

55

56

- Khi Lights status không bị sự cố nào sẽ kiểm tra điều kiện number of seats(số ghế)nếu
không đủ sẽ in ra thông báo

- Khi thỏa hết điều kiện(quy tắc rule-base) sẽ sang mô hình học máy để dự đoán

57

- Giải thích kết quả dự đoán được tác động từ những thuộc tính nào.Biến arrival_
có độ quan trọng cao nhất chiếm 93.16% ,distance chiếm 1.01%,….. độ trễ đến là yếu
tố quan trọng nhất, đóng góp hơn 93% vào dự đoán, trong khi các yếu tố khác như
khoảng cách, thời gian khởi hành theo lịch trình, ngày và tháng có tác động tương đối
nhỏ hơn nhưng vẫn đáng chú ý.
58

59

TÀI LIỆU THAM KHẢO
[1]Wikipedia contributors. (n.d.). Random forest. In Wikipedia, The Free
Encyclopedia. Retrieved from https://en.wikipedia.org/wiki/Random_forest
[2] History of Data Science. (n.d.). Decision Tree and Random Forest Algorithms Decision Drivers. Retrieved from https://www.historyofdatascience.com/decision-treeand-random-forest-algorithms-decision-drivers/
[3]Student at Thuongmai University. (n.d.). Lý thuyết về Random Forest. StuDocu.
Retrieved from https://www.studocu.com/vn/document/thuongmai-university/hethongas-thong-trin-quan-lus/ly-thuyet-ve-random-forest/85042978
[4]U.S. Department of Transportation. (n.d.). Flight s. Kaggle. Retrieved from
https://www.kaggle.com/datasets/usdot/flight-s
[5]Thống Kê Club. (n.d.). Ứng dụng của thuật toán Rừng Ngẫu Nhiên (Random
Forests). Retrieved from https://thongke.club/ung-dung-cua-thuat-toan-rung-ngaunhien-random-forests/#Thuat-toan-Random-Forest-la-gi
[6]Brownlee, J. (n.d.). A Gentle Introduction to the Gradient Boosting Algorithm for
Machine Learning. Machine Learning Mastery. Retrieved from
https://machinelearningmastery.com/gentle-introduction-gradient-boosting-algorithmmachine-learning/
[7]Machine Learning Expedition. (n.d.). TabNet: Tabular Neural Network. Retrieved
from https://www.machinelearningexpedition.com/tabnet-tabular-neural-network/

60