Ver PDF
Registro

MODELADO MATEMÁTICO DEL FLUJO DE PASAJEROS EN EL AEROPUERTO INTERNACIONAL DE TOCUMEN UTILIZANDO ANÁLISIS DE SERIES TEMPORALES SARIMA

TRUJILLO GONZÁLEZ, JULIO; DE SEDAS, ABRAHAM

MATHEMATICAL MODELING OF PASSENGER FLOW AT TOCUMEN INTERNATIONAL AIRPORT USING SARIMA TIME SERIES ANALYSIS



Autores TRUJILLO GONZÁLEZ, JULIO
Autores DE SEDAS, ABRAHAM
Tema Aeropuerto Internacional de Tocumen
Tema Series de tiempo
Tema SARIMA
Tema Predicción de pasajeros
Tema Tocumen International Airport
Tema Time series
Tema SARIMA
Tema Passenger forecasting
Descripción Time series are essential in various fields, allowing for pattern analysis and future trend prediction. The ARIMA model, while popular, assumes stationarity, which may not be suitable for series with seasonal patterns. Hence, the SARIMA model is introduced, which considers seasonality. Tocumen International Airport in Panama, a significant hub in Latin America, needs to predict passenger flow for efficient management. This study adopts a non-experimental and longitudinal approach to analyze and predict passenger flow using SARIMA. Despite data challenges from 2020 and 2021 due to the pandemic, the model provided accurate predictions. Efficient airport management requires foreseeing future trends, and tools like SARIMA are valuable in this context. However, the proper selection of parameters and validation is crucial. In the tourism realm, predicting trends and adapting to changes is essential for the sector's sustainability.
Descripción Las series de tiempo son esenciales en diversos campos, permitiendo analizar patrones y predecir tendencias. El modelo ARIMA, aunque popular, asume estacionariedad, lo que puede no ser adecuado para series con patrones estacionales. Por ello, se introduce el modelo SARIMA, que considera la estacionalidad. El Aeropuerto Internacional de Tocumen en Panamá, un hub importante en América Latina, necesita predecir el flujo de pasajeros para su gestión eficiente. Este estudio adopta un enfoque no experimental y longitudinal para analizar y predecir el flujo de pasajeros utilizando SARIMA. A pesar de los desafíos de datos de 2020 y 2021 debido a la pandemia, el modelo proporcionó  predicciones precisas. La gestión aeroportuaria eficiente requiere prever tendencias futuras, y herramientas como SARIMA son valiosas en este contexto. Sin embargo, es crucial la selección adecuada de parámetros y validación. En el ámbito turístico, predecir tendencias y adaptarse a cambios es esencial para la sostenibilidad del sector.
Editorial QLU
Fecha 2024-01-30
Tipo info:eu-repo/semantics/article
Tipo info:eu-repo/semantics/publishedVersion
Formato application/pdf
Identificador https://revistas.qlu.ac.pa/index.php/latitude/article/view/246
Identificador 10.55946/latitude.v1i19.246
Fuente Latitude; Vol. 1 No. 19 (2024): Vol. 1 Núm. 19 (2024): Latitude: Multidisciplinary Research Journal; 7-21
Fuente Latitude; Vol. 1 Núm. 19 (2024): Vol. 1 Núm. 19 (2024): Latitude: Multidisciplinary Research Journal; 7-21
Fuente 2644-4038
Fuente 2644-4038
Idioma spa
Relación https://revistas.qlu.ac.pa/index.php/latitude/article/view/246/176
Relación /*ref*/Box, G. E., & Jenkins, G. M. (1976). Time series analysis: forecasting and control. Holden-Day.
Relación /*ref*/Brockwell, P. J., & Davis, R. A. (2002). Introduction to time series and forecasting. Springer.
Relación /*ref*/Chen, Q., Zhao, H., Qiu, H., Wang, Q., Zeng, D., & Ye, M. (2022). Time series analysis of rubella incidence in Chongqing, China using SARIMA and BPNN mathematical models. Journal of Infection in Developing Countries.
Relación /*ref*/Chi, Y. (2022). Time Series Modeling and Forecasting of Monthly Mean Sea Level (1978 – 2020): SARIMA and Multilayer Perceptron Neural Network. International Journal of Data Science.
Relación /*ref*/Hipel, K. W., & McLeod, A. I. (1994). Time series modelling of water resources and environmental systems. Elsevier.
Relación /*ref*/Velu, S., Ravi, V., & Tabianan, K. (2022). Predictive analytics of COVID-19 cases and tourist arrivals in ASEAN based on covid-19 cases. Health Information Science and Systems.
Relación /*ref*/Wu, B., Wang, L., Tao, R., & Zeng, Y. (2022). Interpretable tourism volume forecasting with multivariate time series under the impact of COVID-19. Neural Computing and Applications.
Derechos https://creativecommons.org/licenses/by-nc-sa/4.0/