考虑老化效应的飞机燃油流量建模：从参数化修正到神经网络
机器学习
2025-09-22 v1
摘要
准确的飞机燃油流量建模对于运营规划和环境影响评估至关重要，然而标准的参数化模型往往忽略了飞机老化时发生的性能退化。本文研究了将发动机老化效应集成到 Airbus A320-214 燃油流量预测中的多种方法，使用了来自九架具有不同服役年限的独立机身的约一万九千次快速存取记录器（Quick Access Recorder）航班的综合数据集。我们系统评估了经典的基于物理的模型、经验修正系数，以及将机龄作为输入特征或显式乘性偏差纳入的数据驱动神经网络架构。结果表明，虽然基线模型持续低估老旧飞机的燃油消耗，但使用依赖机龄的修正因子和神经模型显著减少了偏差并提高了预测精度。尽管如此，由于机身数量较少且缺乏详细的维护事件记录，限制了基于机龄修正的代表性和泛化能力，从而带来了局限性。本研究强调了在参数化和机器学习框架中考虑老化效应以提升运营和环境评估可靠性的重要性。该研究还强调了对能够捕捉真实世界发动机退化复杂性的更多样化数据集的需求。
引用
@article{arxiv.2509.15736,
title = {Aircraft Fuel Flow Modelling with Ageing Effects: From Parametric Corrections to Neural Networks},
author = {Gabriel Jarry and Ramon Dalmau and Philippe Very and Junzi Sun},
journal= {arXiv preprint arXiv:2509.15736},
year = {2025}
}