深度学习飞机燃油流量估计模型的泛化特性研究
机器学习
2025-07-25 v1 人工智能
摘要
准确估计飞机燃油消耗对于评估新程序、设计下一代飞机及监控当前航空实践的环境影响至关重要。本文聚焦于深度学习模型在预测燃油消耗方面的泛化能力，尤其关注其在训练数据中未出现的飞机类型的性能。我们提出了一种新方法，通过整合神经网络架构与领域泛化技术来增强其在广泛飞机类型的鲁棒性和可靠性。该研究采用包含101种不同飞机类型的综合数据集，按训练集和泛化集划分，每个飞机类型集合包含1000次飞行。我们采用飞机数据 (BADA) 模型获取燃油流量估计，引入伪距离度量标准评估飞机类型相似性，并探索多种抽样策略以优化数据稀疏区域的模型性能。我们的结果表明，对于以前未出现的飞机类型，向飞机和发动机参数中引入噪声可改善模型的泛化能力。该模型在飞机接近现有飞机类型时，能以2%至10%的平均绝对百分比误差实现泛化；而对于训练集中的已知飞机，性能低于1%误差。该研究凸显了将领域特定见解与先进机器学习技术结合以开发可扩展、准确且具泛化性的燃油流量估计模型的潜力。
引用
@article{arxiv.2410.07717,
title = {On the Generalization Properties of Deep Learning for Aircraft Fuel Flow Estimation Models},
author = {Gabriel Jarry and Ramon Dalmau and Philippe Very and Junzi Sun},
journal= {arXiv preprint arXiv:2410.07717},
year = {2025}
}