Prognose von Retirement Curves von Flugzeugen mithilfe Neuronaler Netze

Abstract

Das Ziel dieser Arbeit ist die Entwicklung eines Neuronalen Netzes, das die Überlebenswahrscheinlichkeit von Flugzeugen vorhersagen kann. Hierzu werden, für ein besseres Verständnis von Künstlicher Intelligenz, die drei Arten des Machine Learning untersucht, sowie Neuronale Netze detailliert erklärt. Für die Entwicklung eines Programms zur Berechnung und Visualisierung von Retirement Curves, werden die Python Bibliotheken Keras und TensorFlow verwendet. Die Trainingsdaten für das Neuronale Netz sind die Daten zur weltweiten Passagierflugzeugflotte, welche mit Wirtschaftsdaten zum weltweiten Bruttoinlandsprodukt pro Kopf, dem Ölpreis und den Flugpassagierzahlen pro Jahr angereichert werden. Die Datenauswahl wird detailliert geschildert und es wird die Bewältigung von Herausforderungen bei der Einbindung der Wirtschaftsdaten festgehalten. Mithilfe des Kolmogorov-Smirnov-Tests und des Vergleichs mit bereits existierenden Vorhersagen werden die erstellten Retirement Curves validiert. Die Entwicklung des Programms konnte unter Erfüllung aller Anforderungen vollständig abgeschlossen werden.