Time series forecasting with high stakes: A field study of the air cargo industry

要約

航空貨物業界における時系列予測には、市場の変動が激しく、正確な予測が収益に与える重大な影響があるため、特有の課題が生じます。
このペーパーでは、航空貨物業界の意思決定における機械学習モデルの開発と実装に焦点を当て、出発地と目的地（O\&D）レベルでの需要予測に対する包括的なアプローチを検討します。
当社は専門家の混合フレームワークを活用し、統計モデルと高度な深層学習モデルを組み合わせて、6 か月にわたる貨物需要の信頼できる予測を提供します。
この結果は、当社のアプローチが業界のベンチマークを上回り、航空貨物業界における貨物容量の割り当てと戦略的意思決定に実用的な洞察を提供することを示しています。
この研究は航空業界に適用されていますが、この方法論は、不安定な環境における予測に基づく意思決定が重要であるあらゆる分野に広く適用できます。

要約(オリジナル)

Time series forecasting in the air cargo industry presents unique challenges due to volatile market dynamics and the significant impact of accurate forecasts on generated revenue. This paper explores a comprehensive approach to demand forecasting at the origin-destination (O\&D) level, focusing on the development and implementation of machine learning models in decision-making for the air cargo industry. We leverage a mixture of experts framework, combining statistical and advanced deep learning models to provide reliable forecasts for cargo demand over a six-month horizon. The results demonstrate that our approach outperforms industry benchmarks, offering actionable insights for cargo capacity allocation and strategic decision-making in the air cargo industry. While this work is applied in the airline industry, the methodology is broadly applicable to any field where forecast-based decision-making in a volatile environment is crucial.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google