【技术实现步骤摘要】
本公开主要涉及用于尾翼特定的飞机燃料消耗模型生成的系统和方法。
技术介绍
1、随着空中交通的不断增加，需要在网络效应和对环境的影响两方面仔细分析新程序和路线的影响。飞机和飞机燃料消耗的模型是用于这种分析的重要工具。除了其他因素以外，由于模型所基于的数据的专有性质以及该数据的准确性和对该数据的访问，此类模型的可用性可能受到限制。基于不准确模型的决策会对数据驱动的决策的做出的准确性具有影响。
2、例如，飞行特定数据对于构建每个单独的飞机或“尾翼”的准确模型并不是公开可用的。在没有足够精确的数据的情况下，交通管理分析或尾翼性能监控的可靠性是不够的。作为进一步的实施例，飞机燃料消耗是尾翼特定的，因此非尾翼特定的模型可能提供比尾翼特定的模型较不准确的估计值。
技术实现思路
1、在具体实施方式中，一种方法包括：接收包括飞机的总重量值的多个飞机通信寻址和报告系统(“acars”)数据包。该方法还包括至少基于飞机的多个总重量值的比较产生第一燃料流估计值。该方法还包括根据多个acars数据包生成...
【技术保护点】
1.一种用于飞机燃料消耗模型生成的系统(100)，包括：
2.根据权利要求1所述的系统，其中，所述机器学习模型是神经网络。
3.根据权利要求2所述的系统，其中，所述一个或多个处理器被配置成用于通过修改与所述神经网络的一个或多个节点相关联的网络权重来修改所述机器学习模型。
4.根据权利要求2所述的系统，其中，所述一个或多个处理器被配置为通过反向传播来修改所述机器学习模型。
5.根据权利要求1所述的系统，其中，所述一个或多个处理器还被配置为：在修改所述机器学习模型以减小所述燃料流误差值之后，将所述训练数据作为输入提供给所述机...
【技术特征摘要】
1.一种用于飞机燃料消耗模型生成的系统(100)，包括：
2.根据权利要求1所述的系统，其中，所述机器学习模型是神经网络。
3.根据权利要求2所述的系统，其中，所述一个或多个处理器被配置成用于通过修改与所述神经网络的一个或多个节点相关联的网络权重来修改所述机器学习模型。
4.根据权利要求2所述的系统，其中，所述一个或多个处理器被配置为通过反向传播来修改所述机器学习模型。
5.根据权利要求1所述的系统，其中，所述一个或多个处理器还被配置为：在修改所述机器学习模型以减小所述燃料流误差值之后，将所述训练数据作为输入提供给所述机器学习模型以生成第三燃料流估计值。
6.根据权利要求5所述的系统，其中，所述一个或多个处理器还被配置为至少基于所述第三燃料流估计值生成一个或多个飞机交通管理参数。
7.根据权利要求5所述的系统，其中，所述一个或多个处理器还被配置为至少基于所述第三燃料流估计值生成一个或多个燃料规划参数。
8.根据权利要求5所述的系统，其中，所述一个或多个处理器还被配置为至少基于所述第三燃料流估计值生成一个或多个飞机维护参数。
9.根据权利要求1所述的系统，其中，所述机器学习模型是尾翼特定的。
10.根据权利要求1所述的系统，其中，所述飞机通信寻址和报告系统数据包包括飞行时间数据、海拔高度数据、温度数据、位置数据或其组合。
11.根据权利要求1所述的系统，其中，所述一个或多个处理器被配置为如果所述飞机通信寻址和报告系统数据包不包括所述训练数据所需的数据集，则通过从所述训练数据中去...
【专利技术属性】
技术研发人员：维瑞什·库马尔·胜·那拉辛胡鲁，柴特拉·贾加迪什，
申请(专利权)人：波音公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。