Ces quinze dernières années, le transport aérien a connu une expansion sans précédent au Canada. Cette étude fournit des prévisions de court et moyen terme du nombre de passagers embarqués\débarqués au Canada en utilisant divers modèles de séries chronologiques : la régression harmonique, le lissage exponentiel de Holt-Winters et les approches dynamiques ARIMA et SARIMA. De plus, elle examine si la combinaison des prévisions issues de ces modèles permet d’obtenir une meilleure performance prévisionnelle. Cette dernière partie de l’étude se fait à l’aide de deux techniques de combinaison : la moyenne simple et la méthode de variance-covariance. Nos résultats indiquent que les modèles étudiés offrent tous une bonne performance prévisionnelle, avec des indicateurs MAPE et RMSPE inférieurs à 10% en général. De plus, ils capturent adéquatement les principales caractéristiques statistiques des séries de passagers. Les prévisions issues de la combinaison des prévisions des modèles particuliers sont toujours plus précises que celles du modèle individuel le moins performant. Les prévisions combinées se révèlent parfois plus précises que les meilleures prévisions obtenues à partir d’un seul modèle. Ces résultats devraient inciter le gouvernement canadien, les autorités aéroportuaires et les compagnies aériennes opérant au Canada à utiliser des combinaisons de prévisions pour mieux anticiper l’évolution du traffic de passager à court et moyen terme. Mots-Clés : Passsagers aériens, Combinaisons de prévisions, Séries temporelles, ARIMA, SARIMA, Canada. / This master’s thesis studies the Canadian air transportation sector, which has experienced significant growth over the past fifteen years. It provides short and medium term forecasts of the number of enplaned/ deplaned air passengers in Canada for three geographical subdivisions of the market: domestic, transborder (US) and international flights. It uses various time series forecasting models: harmonic regression, Holt-Winters exponential smoothing, autoregressive-integrated-moving average (ARIMA) and seasonal autoregressive-integrated-moving average (SARIMA) regressions. In addition, it examines whether or not combining forecasts from each single model helps to improve forecasting accuracy. This last part of the study is done by applying two forecasting combination techniques: simple averaging and a variety of variance-covariance methods. Our results indicate that all models provide accurate forecasts, with MAPE and RMSPE scores below 10% on average. All adequately capture the main statistical characteristics of the Canadian air passenger series. Furthermore, combined forecasts from the single models always outperform those obtained from the single worst model. In some instances, they even dominate the forecasts from the single best model. Finally, these results should encourage the Canadian government, air transport authorities, and the airlines operating in Canada to use combination techniques to improve their short and medium term forecasts of passenger flows. Key Words: Air passengers, Forecast combinations, Time Series, ARIMA, SARIMA, Canada.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/24286 |
| Date | 19 April 2018 |
| Creators | Bougas, Constantinos |
| Contributors | Ordás Criado, Carlos |
| Source Sets | Université Laval |
| Language | English |
| Detected Language | French |
| Type | mémoire de maîtrise, COAR1_1::Texte::Thèse::Mémoire de maîtrise |
| Format | 56 p., application/pdf |
| Coverage | Canada |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0026 seconds