Skip to content

berba1995/Air_passenger_prevision_deep_learning

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 

Repository files navigation

L'objectif de ce projet est de prédire l'evolution mensuelle des passagers d'une compagnie aérienne

Pour se faire on dispose d'une Série brute airpass : nombre mensuel de passagers aériens, en milliers, de janvier 1949 à décembre 1960.

1ere étape :Analyse de la série

apres analyse de la serie celle ci montre une tendance croissante et des saisonnalités se produisant chaque année (donc de période 12)

Etape2 : les saisonnalités ne permettant pas de comparer des instants consécutifs de la série il faut donc la corriger de ces valeurs saisonnieres avant de pouvoir faire des prévisions

Etape 3 :test de différents modèle pour la prévision:

correction des valeurs saisonnieres:
    methode des moyennes mobile pour la correction des valeur saisonnieres

prévisions:
    lissage exponnetiel simple : pas satisfaisant car prevision connstante
    lissage exponentiel double: pas satisfaisant car prevision lineaire suivant la tendance

    modele Sarima: la série n'etant pas stationnaire il a fallu la stationnarisé (voir notebook)
        model efficace avec rmse=18.59 et mape=2.90

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors