Los puntos clave no están disponibles para este artículo en este momento.
El negocio de la aviación enfrenta dificultades para predecir correctamente y rápidamente las tarifas de vuelo debido a la naturaleza dinámica del sector. Factores como las variaciones en la demanda, los costos del combustible y las complejidades de las diversas rutas afectan esto. Este trabajo presenta un nuevo método para abordar este problema utilizando enfoques de inteligencia artificial generativa (IA generativa) para predecir con precisión las tarifas aéreas en tiempo real. Este artículo presenta un nuevo marco que integra modelos generativos, arquitecturas de aprendizaje profundo y datos históricos de precios para mejorar la precisión de las predicciones de precios de vuelos futuros. El estudio emplea una IA generativa dentro de un marco de ingeniería web de vanguardia. Este enfoque está diseñado principalmente para recopilar conocimientos sobre patrones complejos y relaciones presentes en los datos históricos de aerolíneas. A través de la utilización de esta metodología, el modelo puede percibir con precisión conexiones complejas y adaptarse a las condiciones cambiantes del mercado. Nuestro modelo utiliza redes neuronales profundas para manejar eficazmente diversas circunstancias y extraer información vital, facilitando así una comprensión integral de los elementos intrincados que impactan en el costo de los vuelos. Además, el enfoque propuesto enfatiza significativamente la predicción precisa de eventos próximos en tiempo real, facilitando respuestas rápidas a la volatilidad del mercado y ofreciendo un recurso valioso para aerolíneas, agentes de viajes y clientes por igual. Para mejorar la precisión de las previsiones en tiempo real, utilizamos una plataforma web que permite una interacción fluida con flujos de datos en vivo y garantiza actualizaciones rápidas. Los resultados demuestran la capacidad del modelo para adaptarse a las condiciones dinámicas del mercado, lo que lo convierte en una opción atractiva para las partes interesadas que buscan previsiones precisas y actualizadas de precios de vuelos.
Yuanyuan Guan (Mon,) estudió esta cuestión.