Terminal hava sahasında meteorolojik olaylardan kaynaklanan gecikmelerin yapay zekâ kullanılarak tahmini

Bu tez, terminal hava sahasında meteorolojik olayların neden olduğu uçuş gecikmelerinin yapay zekâ ile tahmin edilmesini incelemektedir. İstanbul Havalimanı'ndan elde edilen uçuş ve meteorolojik veriler kullanılarak, regresyon ve sınıflandırma temelli makine öğrenmesi modelleri geliştirilmiştir. Çalışma, veri dengesizliği ve nadir olayların temsili gibi zorlukları ele almış; ADASYN ve CTGAN gibi veri artırma teknikleriyle bu sorunlara çözümler önerilmiştir. LightGBM ve H2O AutoML gibi ileri yöntemler, gecikme sürelerini ve kategorilerini yüksek doğrulukla tahmin etmede başarılı bulunmuştur. SHAP analizleri, düşük görüş mesafesi ve alçak bulutlar gibi faktörlerin gecikmeler üzerindeki belirleyici etkisini ortaya koyarak, modelin başarısının operasyonel gerçekliklerle örtüşen örüntüleri öğrenme kabiliyetinden kaynaklandığını doğrulamıştır. Bu çalışma, karmaşık havacılık operasyonlarında meteorolojik gecikmeleri öngörmek için yorumlanabilir ve güçlü bir metodolojik çerçeve sunmaktadır.