全阶段航空氮氧化物排放指数预测模型的计算方法及装置制造方法及图纸

本申请涉及一种全阶段航空氮氧化物排放指数预测模型的计算方法及装置，其中，方法包括：建立航空氮氧化物排放数据库；从航空氮氧化物排放数据库中，选择满足预设高相关性特征条件的排放数据，以生成模型的原始输入数据；对原始输入数据进行数据预处理，得到处理后的输入数据；利用卷积神经网络搭建模型，建立超参数数据集；利用处理后的输入数据和超参数数据集训练模型，找到最佳超参数组合，以构建航空氮氧化物排放指数预测模型。由此，解决了相关技术中无法预测飞行包线全阶段的排放，地面排放和巡航排放的预测模型均高度依赖于发动机排放数据库，且现有航空氮氧化物预测模型均基于传统航空燃料，不支持SAF等问题。不支持SAF等问题。不支持SAF等问题。

【技术实现步骤摘要】
全阶段航空氮氧化物排放指数预测模型的计算方法及装置


[0001]本申请涉及航空污染物排放评估
，特别涉及一种全阶段航空氮氧化物排放指数预测模型的计算方法及装置。

技术介绍

[0002]近年来，随着航空交通需求的持续增长，人们对航空排放物之于气候、空气质量影响的关注也持续提高。其中，氮氧化物(NOx)约占全球人为排放总量的2％，远超其他航空排放物。NOx虽不是温室气体，但其在对流层和平流层下部臭氧的化学形成中会促进臭氧的产生同时破坏甲烷，从而产生正辐射强迫，造成全球气候变暖。在机场及其周边区域对空气质量的研究分析中，NOx的影响也不可小觑。基于此，各组织机构对于航空NOx排放的标准日趋严格。获得准确的排放清单是研究航空排放影响的基础，因此准确预测航空NOx排放指数显得格外重要，有利于合理评估航空NOx排放的影响，并提出有效的减排措施。
[0003]相关技术中，为了扭转航空运输对环境带来的不利影响，世界各地机构聚焦于可持续航空燃料(Sustainable Aviation Fuel，SAF)，不少发动机生厂商及科研人员进行了一系列关于SAF的地面排放测量。
[0004]然而，相关技术中无法预测飞行包线全阶段的排放，地面排放和巡航排放的预测模型均高度依赖于发动机排放数据库，且现有航空氮氧化物预测模型均基于传统航空燃料，不支持SAF，亟待解决。

技术实现思路

[0005]本申请提供一种全阶段航空氮氧化物排放指数预测模型的计算方法及装置，以解决相关技术中无法预测飞行包线全阶段的排放，地面排放和巡航排放的预测模型均高度依赖于发动机排放数据库，且现有航空氮氧化物预测模型均基于传统航空燃料，不支持SAF等问题。
[0006]本申请第一方面实施例提供一种全阶段航空氮氧化物排放指数预测模型的计算方法，应用于模型构建阶段，包括以下步骤：建立航空氮氧化物排放数据库；从所述航空氮氧化物排放数据库中，选择满足预设高相关性特征条件的排放数据，以生成模型的原始输入数据；对所述原始输入数据进行数据预处理，得到处理后的输入数据；利用卷积神经网络搭建模型，建立超参数数据集；利用所述处理后的输入数据和所述超参数数据集训练所述模型，找到最佳超参数组合，以构建航空氮氧化物排放指数预测模型。
[0007]可选地，在本申请的一个实施例中，所述建立航空氮氧化物排放数据库，包括：获取多来源数据，其中，所述多来源数据包括地面排放数据、巡航排放数据和燃烧SAFs的发动机排放数据；根据所述多来源数据得到所述航空氮氧化物排放数据库。
[0008]可选地，在本申请的一个实施例中，所述选择满足预设高相关性特征条件的排放数据，以生成模型的原始输入数据，包括：采用皮尔逊相关系数和最大互信息系数，分析影响航空氮氧化物排放的因素与排放指数的线性及非线性相关性；选取相关性满足预设条件
的参数的对应排放数据作为所述原始输入数据。
[0009]可选地，在本申请的一个实施例中，所述利用所述处理后的输入数据和所述超参数数据集训练所述模型，找到最佳超参数组合，以构建航空氮氧化物排放指数预测模型，包括：利用由所述处理后的输入数据和所述超参数数据集得到的训练集进行训练，并在验证集上使用K
‑
fold交叉验证对超参数进行网格搜索实验，得到所述最佳超参数组合；使用所述最佳超参数组合构建新的模型，在所述训练集和所述验证集上训练，且在测试集上评估所述新的模型的预测能力，直至达到预设预测能力，得到所述航空氮氧化物排放指数预测模型。
[0010]本申请第二方面实施例提供一种全阶段航空氮氧化物排放指数预测模型的计算方法，应用于排放指数预测阶段，包括以下步骤：基于实时飞行数据，提取任一时刻的燃油流量和环境参数；将飞机发动机特定参数、燃油特性参数和所述燃油流量和环境参数输入至预先构建的航空氮氧化物排放指数预测模型，输出所述任一时刻的航空氮氧化物排放指数，其中，所述航空氮氧化物排放指数预测模型由利用处理后的输入数据和超参数数据集构建得到。
[0011]本申请第三方面实施例提供一种全阶段航空氮氧化物排放指数预测模型的计算装置，应用于模型构建阶段，包括：建立模块，用于建立航空氮氧化物排放数据库；生成模块，用于从所述航空氮氧化物排放数据库中，选择满足预设高相关性特征条件的排放数据，以生成模型的原始输入数据；处理模块，用于对所述原始输入数据进行数据预处理，得到处理后的输入数据；利用模块，用于利用卷积神经网络搭建模型，建立超参数数据集；构建模块，用于利用所述处理后的输入数据和所述超参数数据集训练所述模型，找到最佳超参数组合，以构建航空氮氧化物排放指数预测模型。
[0012]可选地，在本申请的一个实施例中，所述建立模块包括：第一获取单元，用于获取多来源数据，其中，所述多来源数据包括地面排放数据、巡航排放数据和燃烧SAFs的发动机排放数据；第二获取单元，用于根据所述多来源数据得到所述航空氮氧化物排放数据库。
[0013]可选地，在本申请的一个实施例中，所述生成模块包括：分析单元，用于采用皮尔逊相关系数和最大互信息系数，分析影响航空氮氧化物排放的因素与排放指数的线性及非线性相关性；选择单元，用于选取相关性满足预设条件的参数的对应排放数据作为所述原始输入数据。
[0014]可选地，在本申请的一个实施例中，所述构建模块包括：训练单元，用于利用由所述处理后的输入数据和所述超参数数据集得到的训练集进行训练，并在验证集上使用K
‑
fold交叉验证对超参数进行网格搜索实验，得到所述最佳超参数组合；构建单元，用于使用所述最佳超参数组合构建新的模型，在所述训练集和所述验证集上训练，且在测试集上评估所述新的模型的预测能力，直至达到预设预测能力，得到所述航空氮氧化物排放指数预测模型。
[0015]本申请第四方面实施例提供一种全阶段航空氮氧化物排放指数预测模型的计算装置，应用于排放指数预测阶段，包括：提取模块，用于基于实时飞行数据，提取任一时刻的燃油流量和环境参数；计算模块，用于将飞机发动机特定参数、燃油特性参数和所述燃油流量和环境参数输入至预先构建的航空氮氧化物排放指数预测模型，输出所述任一时刻的航空氮氧化物排放指数，其中，所述航空氮氧化物排放指数预测模型由利用处理后的输入数
据和超参数数据集构建得到。
[0016]本申请第五方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的全阶段航空氮氧化物排放指数预测模型的计算方法。
[0017]本申请第六方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的全阶段航空氮氧化物排放指数预测模型的计算方法。
[0018]本申请实施例可以利用卷积神经网络技术提取相关数据特征，对整个飞行包线全阶段的航空氮氧化物排放进行预测，提高巡航排放的预测准确度，同时保证氮氧化物排放的预测不依赖于发动机排放数据库，并预测燃烧不同燃本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全阶段航空氮氧化物排放指数预测模型的计算方法，其特征在于，应用于模型构建阶段，其中，所述方法包括以下步骤：建立航空氮氧化物排放数据库；从所述航空氮氧化物排放数据库中，选择满足预设高相关性特征条件的排放数据，以生成模型的原始输入数据；对所述原始输入数据进行数据预处理，得到处理后的输入数据；利用卷积神经网络搭建模型，建立超参数数据集；利用所述处理后的输入数据和所述超参数数据集训练所述模型，找到最佳超参数组合，以构建航空氮氧化物排放指数预测模型。2.根据权利要求1所述的方法，其特征在于，所述建立航空氮氧化物排放数据库，包括：获取多来源数据，其中，所述多来源数据包括地面排放数据、巡航排放数据和燃烧SAFs的发动机排放数据；根据所述多来源数据得到所述航空氮氧化物排放数据库。3.根据权利要求1所述的方法，其特征在于，所述选择满足预设高相关性特征条件的排放数据，以生成模型的原始输入数据，包括：采用皮尔逊相关系数和最大互信息系数，分析影响航空氮氧化物排放的因素与排放指数的线性及非线性相关性；选取相关性满足预设条件的参数的对应排放数据作为所述原始输入数据。4.根据权利要求1所述的方法，其特征在于，所述利用所述处理后的输入数据和所述超参数数据集训练所述模型，找到最佳超参数组合，以构建航空氮氧化物排放指数预测模型，包括：利用由所述处理后的输入数据和所述超参数数据集得到的训练集进行训练，并在验证集上使用K
‑
fold交叉验证对超参数进行网格搜索实验，得到所述最佳超参数组合；使用所述最佳超参数组合构建新的模型，在所述训练集和所述验证集上训练，且在测试集上评估所述新的模型的预测能力，直至达到预设预测能力，得到所述航空氮氧化物排放指数预测模型。5.一种全阶段航空氮氧化物排放指数预测模型的计算方法，其特征在于，应用于排放指数预测阶段，其中，所述方法包括以下步骤：基于实时飞行数据，提取任一时刻的燃油流量和环境参数；将飞机发动机特定参数、燃油特性参数和所述燃油流量和环境参数输入至预先构建的航空氮氧化物排放指数预测模型，输出所述任一时刻的航空氮氧化物排放指数，其中，所述航空氮氧化物排放指数预测模型由利用处理后的输入数据和超参数数据集构建得到。6.一种全阶段航空氮氧化物排放指数预测模型的计算装置，其特征在于，应用于模型构建阶段，其中，所述装置包括：建立模块，用于建立航空氮氧化物排放数据库；生成模块，用于从所述航空氮氧化物排放数据库中，选择满足预设高相关性特征条件的排放数据，...

【专利技术属性】
技术研发人员：朱美印，陈龙飞，张芊，于振鸿，钟生辉，徐征，赵一蔚，高梦云，潘康，常刘勇，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：