Prediction of Fuel Tankering in Aviation Industry with Machine Learning Algorithms

Havacılık Endüstrisinde Yakıt Taşımacılığının Makine Öğrenmesi Algoritmaları ile Tahmini

Abstract

Fuel tankering is a method that is used in the aviation industry to reduce fuel expenses inflicted by fuel price differences between departure and arrival airport. It provides profitable transport of required fuel for the scheduled upcoming flight. Today, there are a number of basic customizable formulas/models used in the fuel tankering calculation referred in the literature; however, the customizability of the formulas/models reveals different parameter preferences (such as weather, route, etc.) for the researchers making calculations, and consequently, the results to be obtained for fuel tankering may vary. Besides, an artificial intelligence study, which may be used in fuel tankering estimation/prediction, could not be found in the literature. In this study, it is aimed to predict fuel tankering in the airline industry with machine learning algorithms that learn from raw data which is independent from these formulas/models. According to the results of the study, the best performance is obtained with Artificial Neural Networks by using the Backpropagation algorithm (accuracy = 0.838). Furthermore, an online application for predicting fuel tankering is developed with the ANN model. This study will provide a different and rather an alternative insight to the fuel tankering calculations that are used by aviation companies.

Özet

Yakıt taşımacılığı, kalkış ve varış meydanı arasındaki yakıt fiyatı farklılıklarından kaynaklanan yakıt giderlerini azaltmak için kullanılan bir yöntemdir. Gelecek uçuş için gerekli olan yakıtın kârlı taşınmasını sağlamaktadır. Literatürde yakıt taşımacılığı hesaplamasında kullanılan bazı temel özelleştirilebilir formüller/modeller mevcuttur; ancak formüllerin/modellerin özelleştirilebilir olması, hesaplama yapan araştırmacılar için farklı parametre tercihlerini (hava durumu, rota gibi) ortaya koymakta ve buna bağlı olarak da yakıt taşımacılığı için elde edilecek sonuçların değişkenlik gösterebileceğine işaret etmektedir. Ayrıca, günümüzde yapay zekânın yakıt taşımacılığı öngörüsünde kullanıldığı bir çalışma literatürde bulunamamıştır. Bu çalışmada bahsi geçen bu formüllerden/modellerden bağımsız olarak ham veriden öğrenen makine öğrenmesi algoritmaları ile havacılık endüstrisinde yakıt taşımacılığı öngörüsünde bulunmak hedeflenmiştir. Çalışmanın sonuçlarına göre, en iyi performans geri besleme algoritmasının kullanıldığı Yapay Sinir Ağları modeli ile elde edilmiştir (doğruluk=0.838). Ayrıca, bu YSA modeliyle yakıt taşımacılığı öngörüsünde bulunulan çevrimiçi bir uygulama geliştirilmiştir. Bu çalışma, havacılık şirketlerinin kullandığı yakıt taşımacılığı hesaplamalarına alternatif olarak farklı bir bakış açısı sağlayacaktır.