نموذج تصنيف ثنائي للتنبؤ بتأخيرات الرحلات الجوية الناتجة عن الطقس باستخدام الشبكات العصبية العميقة (DNN)

تصميم نموذج DNN لتصنيف تأخيرات الطقس

تم بناء نموذج شبكة عصبية عميقة باستخدام Keras لتصنيف تأخير الرحلات بسبب الطقس (تصنيف ثنائي).

معمارية النموذج باختصار:

Dense (8) – tanh

Dropout (0.1)

Dense (128) – sigmoid

Dropout (0.2)

Dense (64) – tanh

Dense (32) – tanh

Dropout (0.3)

Dense (1) – sigmoid (طبقة الإخراج)

إعدادات التدريب:

Optimizer: AdamW

learning_rate = 0.001

weight_decay = 0.004

Loss: Binary Crossentropy

Epochs: حتى 100

Batch size: 10000

تقنيات تحسين التعميم:

استخدام Dropout بنسب مختلفة

EarlyStopping (patience=10) مع مراقبة val_accuracy واسترجاع أفضل الأوزان

تم التركيز على تحقيق توازن بين الأداء والاستقرار وتقليل الـ Overfitting لضمان قدرة النموذج على التعميم بشكل جيد.