CHÚC MỪNG SINH VIÊN LỚP HTTT2022.2 CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN TẠI HỘI NGHỊ KHOA HỌC QUỐC TẾ ISDEA NĂM 2026
2026 5th International Conference on Intelligent Systems Design and Engineering Applications (ISDEA 2026) là hội nghị khoa học quốc tế lần thứ 5 về Ứng dụng Thiết kế Hệ thống Thông minh và Kỹ thuật, tập trung vào các tiến bộ mới trong lĩnh vực hệ thống thông minh, trí tuệ nhân tạo và các ứng dụng kỹ thuật. Hội nghị là diễn đàn học thuật quan trọng, quy tụ các nhà nghiên cứu, giảng viên và chuyên gia nhằm chia sẻ kết quả nghiên cứu, trao đổi học thuật và thúc đẩy hợp tác khoa học.
Hội nghị ISDEA 2026 sẽ được tổ chức từ ngày 18 đến 20 tháng 4 năm 2026 tại Trường Đại học Công nghiệp Thành phố Hồ Chí Minh, Việt Nam.
Thông tin chi tiết về hội nghị có thể tham khảo tại: https://www.isdea.org/
Tên bài báo: “Flight Delay Prediction Using Deep Learning and Cascade Ensemble Models”
Sinh viên thực hiện:
- 22521637 – Nguyễn Thị Hồng Tuyết – HTTT2022.2
Giảng viên hướng dẫn: ThS. Nguyễn Hồ Duy Trí – ThS. Nguyễn Hồ Duy Tri
Abstract: This paper presents a comprehensive study on flight arrival delay prediction using an international dataset spanning multiple countries with strategic seasonal coverage. We propose an advanced ensemble framework that integrates traditional machine learning algorithms – Linear Regression, Random Forest, XGBoost, and LightGBM – with a novel cascade delay modeling approach designed to capture aircraft-based delay propagation across sequential flights. The proposed system demonstrates significant improvements in prediction accuracy through enhanced feature engineering, particularly the cascade delay methodology, which explicitly models how delays propagate along aircraft routing chains. The framework covers major airports across Southeast Asia, East Asia, Europe, and the Middle East, utilizing an eight-month dataset (May–December 2019) that captures critical seasonal variations. Comprehensive experimental evaluation identifies Random Forest as the most suitable model for operational deployment, achieving a 46% improvement in RMSE compared to baseline methods while maintaining strong classification performance. Statistical validation confirms that these improvements are significant across all evaluation metrics (p < 0.001). Furthermore, business impact analysis indicates an average cost saving of USD 15.38 per flight, corresponding to approximately USD 5.6 million in annual savings for large airline carriers. Overall, this research establishes new benchmarks for cascade delay modeling in aviation operations and provides practical insights for data-driven decision-making in airline performance management.
