Show simple item record

Desarrollo de un modelo basado en Machine Learning para la predicción de la demanda de habitaciones y ocupación en el sector hotelero /

dc.rights.licenceLos usuarios del Repositorio de la UTB estarán autorizados para adaptar, transformar y crear a partir del contenido de esta publicación incluso para fines comerciales, sin embargo toda obra derivada de la publicación original deberá ser distribuida bajo la misma licencia CC-BY-SA. El autor o autores, sin excepción deberán ser claramente identificados como titulares de los derechos de autor de la publicación original.
dc.coverage.spatialCartagena de Indias
dc.creatorPallares Cabrera, Fabián
dc.date.accessioned2019-10-18T18:40:17Z
dc.date.available2019-10-18T18:40:17Z
dc.date.created2015
dc.date.issued2015
dc.identifier.other(ALEPH)000046586UTB01
dc.identifier.urihttps://hdl.handle.net/20.500.12585/1020
dc.description.abstractEn esta investigación se entrenaron y validaron diferentes modelos para predecir la ocupación diaria de un hotel, y el mejor modelo encontrado se evaluó sobre los datos de pruebas, todo esto con el propósito de facilitar a los administradores hoteleros la toma de decisiones enfocada a la optimización de los recursos e incrementos en los beneficios del hotel, aplicables en la estrategia de Revenue Management. El entrenamiento y validación se realizó utilizando cuatro técnicas de Machine Learning (Ridge Regression, Kernel Ridge Regression, Redes Neuronales Artificiales perceptrón multicapa y de Función Base Radial). Los datos se separaron en tres conjuntos: entrenamiento, validación y pruebas. Los datasets se construyeron utilizando tres esquemas diferentes, en el primer caso se aplicaron los fundamentos para el desarrollo de modelos de series temporales, en donde las entradas al modelo están basadas en las observaciones realizadas de la ocupación en días anteriores, en el segundo esquema los datasets se basaron en las observaciones de la ocupación en días anteriores y se adicionaron otras variables como el días de la semana, festivos, temporada; en el tercer y último esquema se toman como variables de entrada al modelo la información de las reservas con días de anticipación, adicionalmente se incluye los días de semana , meses del año e información de festivos. 10 En los tres esquemas la validación se realiza sobre los datos reservados para tal fin, la medida de exactitud utilizada para comparar las técnicas es el MAPE (Mean Absolute Percentage Error), y la validación se realiza utilizando el método de validación Rolling Forecasting Update, aplicando los procedimientos de pronóstico one-step-ahead y (h) multi-step-ahead con h=7 para series de tiempo. En el tercer esquema de construcción de datasets se utiliza información de reservas con 90, 60, 30, 20, 15, 10, 7 días de anticipación.spa
dc.format.extent174 páginas
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.source.urihttp://biblioteca.utb.edu.co/notas/tesis/0068209.pdf
dc.subject.otherMachine learning (artificial, intelligence)
dc.subject.otherAprendizaje automático (Inteligencia artificial)
dc.subject.otherSistemas de reservación en hoteles
dc.subject.otherIngeniería de sistemas
dc.titleDesarrollo de un modelo basado en Machine Learning para la predicción de la demanda de habitaciones y ocupación en el sector hotelero /
datacite.rightshttp://purl.org/coar/access_right/c_abf2
oaire.resourceTypehttp://purl.org/coar/resource_type/c_bdcc
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
thesis.degree.disciplineMaestría en Ingeniería
thesis.degree.levelTesis maestría
thesis.degree.nameMagister en Ingeniería
dc.publisher.universityUniversidad Tecnológica de Bolívar
dc.type.driverinfo:eu-repo/semantics/masterThesis
thesis.degree.grantorUniversidad Tecnológica de Bolívar
dc.contributor.directorCaicedo Torres, William
dc.type.hasVersioninfo:eu-repo/semantics/publishedVersion
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.rights.ccAtribución-NoComercial 4.0 Internacional
dc.identifier.instnameUniversidad Tecnológica de Bolívar
dc.identifier.reponameRepositorio UTB
dc.date.other2015
dc.description.notesIncluye referencias bibliográficas
dc.identifier.ddc006.31 P164


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Los usuarios  del Repositorio de la UTB estarán autorizados para adaptar, transformar y crear a partir del contenido de esta publicación incluso para fines comerciales, sin embargo toda obra derivada de la publicación original deberá ser distribuida bajo la misma licencia CC-BY-SA.  El autor o autores, sin excepción deberán ser claramente identificados como titulares de los derechos de autor de la publicación original.
Except where otherwise noted, this item's license is described as Los usuarios del Repositorio de la UTB estarán autorizados para adaptar, transformar y crear a partir del contenido de esta publicación incluso para fines comerciales, sin embargo toda obra derivada de la publicación original deberá ser distribuida bajo la misma licencia CC-BY-SA. El autor o autores, sin excepción deberán ser claramente identificados como titulares de los derechos de autor de la publicación original.