从行业级参数到以飞机为中心的飞行中推断：用机器学习改进航空性能预测
应用统计
2021-02-05 v3 机器学习
统计方法学
机器学习
摘要
飞机性能模型在航空公司运营中起着关键作用，特别是在规划节油飞行方面。实践中，制造商提供指导方针，并在飞机生命周期内通过调节单一因子稍作修改，从而实现更好的燃油预测。然而这存在局限性，特别是它们不能反映影响飞机性能的各特征的演化。我们本文的目标正是克服这一局限。本文的主要贡献是倡导使用机器学习来利用飞机飞行过程中持续记录的大量数据，并提供反映其实际且个体性能的模型。我们聚焦于从记录飞行数据估算阻力与升力系数来阐明我们的方法。由于这些系数未被直接记录，我们求助于空气动力学近似。作为安全性检验，我们给出边界以评估空气动力学近似的精度以及我们方法的统计性能。我们在一组机器学习算法上给出了数值结果。我们在真实数据上报告了极佳的精度，并展示了支持我们建模的经验证据，且与空气动力学原理一致。
引用
@article{arxiv.2005.05286,
title = {From industry-wide parameters to aircraft-centric on-flight inference: improving aeronautics performance prediction with machine learning},
author = {Florent Dewez and Benjamin Guedj and Vincent Vandewalle},
journal= {arXiv preprint arXiv:2005.05286},
year = {2021}
}
备注
Published in Data-Centric Engineering