Available Bachelor / Master Thesis in the field of data analytics in aviation
Identification of relevant features for fuel consumption prognoses of airplanes with Machine Learning algorithms
2017/07/10
The scope of this thesis is the identification of relevant features in full flight data for the purpose of fuel consumption prognoses. Machine Learning algorithms for feature subset selection such as wrapper and principal component analysis promise a reduction of input parameters to relevant features. This intends to use data-based and iterative learning models such as neural networks or decision trees more efficiently and to improve prognoses results. Outcomes should be validated with results of existing frameworks.
Background (German):
Der Treibstoff stellt einen maßgeblichen Anteil an den Gesamtbetriebskosten einer Fluggesellschaft dar. Zur Überwachung und Abschätzung des Treibstoffverbrauches von Flugzeugen und Flotten bedient man sich bisher historischen Datenanalysen und (physikalischen) Abschätzungsmodellen. Diese weisen jedoch erhebliche Ungenauigkeiten im Vergleich zum realen Flugbetrieb auf. Zur Optimierung von Treibstoffverbrauchsanalysen und zur Prognose zukünftiger Treibstoffprofile werden am FSR Machine Learning Algorithmen auf Flugbetriebsdaten von Fluggesellschaften angewendet und weiterentwickelt.
Requirements & Organisational Matters:
- Beginning: from now on
- Skills in Matlab and statistics desirable
