【技术实现步骤摘要】
本专利技术属于民用航空信息估算领域，特别是涉及一种民用航空飞机燃油消耗量估计方法，以及基于燃油消耗量的污染物排放量估计方法。
技术介绍
1、进入21世纪以来，日益恶劣的气候环境和极端天气现象对人们的财产和人身安全造成了威胁，而二氧化碳排放过多引起的温室效应以及其他影响会直接或间接的对环境造成影响。实现减排需要对各个领域的碳排放总量进行精确估算并进行监控，而作为所有交通方式中排放强度最高的民航运输业，需要一个更精确快速的排放总量估算方法。
2、飞行活动产生的二氧化碳主要由燃油燃烧生成，并且二氧化碳是其最主要的生成物，因此一般认为二氧化碳排放量与消耗的燃油量成线性相关关系。现在大多研究通过估计燃油消耗量对二氧化碳排放量进行间接估计。即单次飞行的二氧化碳排放量主要通过以下步骤进行计算：
3、1)将单次飞行按飞行阶段划分为推出、起飞、垂直爬升、爬升、巡航、下降、进近、着陆、滑入阶段。
4、2)按照机型，将各阶段消耗时间与来自icao数据库的或根据以往数据计算得到的各阶段燃油流量直接相乘得到在各个阶段消耗的燃油总量。
5、3)将各个阶段燃油消耗量进行相加并乘以航空燃油与二氧化碳的排放系数，得到单次飞行排放的二氧化碳总量。
6、飞机飞行过程中燃油流量和排放系数在不同飞行阶段存在不同程度的差异。目前多数研究采用了icao所建议的lto各阶段的平均时间，将此时间与icao数据库中的相应燃油流量结合得到燃油消耗量，并据此计算相应的排放物，这种粗略的计算并未考虑不同航班/航线对飞行阶段持续
技术实现思路
1、本专利技术的目的在于解决上述现有技术中存在的难题，提供一种民用航空飞机燃油消耗量估计方法。
2、本专利技术是通过以下技术方案实现的：一种民用航空飞机燃油消耗量估计方法，包括以下步骤：
3、从qar数据中提取出航行时间信息、航线属性信息与总燃油消耗量，所述航行时间信息包括航行全过程中各个阶段的时长，所述航线属性信息包括航行高度信息与飞机起飞前的总重量；
4、构建样本集训练神经网络模型，所述训练样本集中的每个样本包括输入向量与真值标签；所述输入向量包括所述航行时间信息与所述航线属性信息；所述真值标签为所述总燃油消耗量；
5、获取待估计航空飞机的航班数据与对应的qar数据，从所述航班数据中提取航行时间信息，从对应的qar数据中提取航线属性信息，组成待估特征向量；
6、将所述待估特征向量输入训练完成的神经网络模型中，输出总燃油消耗量的估计值。
7、进一步的，所述航行全过程包括滑出阶段、飞行阶段与滑入阶段；所述飞行阶段包括起飞阶段、爬升阶段、巡航阶段、降落阶段、进近阶段与着陆阶段。
8、进一步的，从航班数据中提取航行时间信息的步骤如下：根据航班数据集记录的四个时间点：出发时刻、起飞时刻、降落时刻和到达时刻，计算得到滑出阶段、飞行阶段和滑入阶段时长；并根据飞行阶段中各个阶段的固定时长占比乘以飞行阶段时长计算出起飞阶段、爬升阶段、巡航阶段、降落阶段、进近阶段与着陆阶段时长。
9、进一步的，所述航行高度信息包括起飞高度、降落高度与最大巡航高度。
10、进一步的，按如下任意一种方式从qar数据中提取总燃油消耗量：
11、1)出发时的剩余燃油总量减去到达目的地时的剩余燃油总量；
12、2)累加出发时刻直到到达目的地时刻的燃油流量。
13、进一步的，所述神经网络模型采用xgboost模型。
14、进一步的，训练时采用grid-search策略对神经网络模型的超参数进行寻优。
15、进一步的，为每个机型分别训练对应的神经网络模型用于估计单次航行的总燃油消耗量。
16、本专利技术还提供一种民用航空飞机污染物排放量估计方法，采用本专利技术所述的民用航空飞机燃油消耗量估计方法获取总燃油消耗量的估计值，将总燃油消耗量的估计值乘以相应的污染物排放系数，得到污染物排放量。
17、进一步的，将总燃油消耗量的估计值乘以二氧化碳排放系数，得到二氧化碳排放量。
18、与现有技术相比，本专利技术的有益效果包括：
19、1、从训练数据上，本专利技术应用了从qar数据中提取得到的具体信息，相对其他方法能更精确得到各阶段消耗时间，此外，本专利技术从qar数据中提取了航线属性信息，考虑到了不同航班/航线对飞行阶段持续时间的影响，本专利技术能够针对不同的航线更加准确的估计燃油消耗量。
20、2、从燃油量的估算来看，本专利技术利用了体量更小航班数据。从航班信息中提取相应的信息，如各阶段消耗时间。并借助qar数据对航班信息数据中没有体现的阶段进行估算，即根据飞行阶段中各个阶段的固定时长占比乘以飞行阶段时长计算出起飞阶段、爬升阶段、巡航阶段、降落阶段、进近阶段与着陆阶段时长，弥补了航班数据各阶段用时不够精细的缺陷。
21、3、从估计模型来看，本专利技术利用了xgboost模型实现对燃油消耗量的估计，该模型可以建立诸多自变量燃油消耗量的非线性模型，实现更精准的估计。该模型提供并行树提升，被用来解决许多数据科学问题。此外，本方法采用了grid-search对xgboost的超参数进行寻优来达到最佳的效果。
本文档来自技高网...【技术保护点】
1.一种民用航空飞机燃油消耗量估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：所述航行全过程包括滑出阶段、飞行阶段与滑入阶段；所述飞行阶段包括起飞阶段、爬升阶段、巡航阶段、降落阶段、进近阶段与着陆阶段。
3.根据权利要求2所述的民用航空飞机燃油消耗量估计方法，其特征在于：从航班数据中提取航行时间信息的步骤如下：根据航班数据集记录的四个时间点：出发时刻、起飞时刻、降落时刻和到达时刻，计算得到滑出阶段、飞行阶段和滑入阶段时长；并根据飞行阶段中各个阶段的固定时长占比乘以飞行阶段时长计算出起飞阶段、爬升阶段、巡航阶段、降落阶段、进近阶段与着陆阶段时长。
4.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：所述航行高度信息包括起飞高度、降落高度与最大巡航高度。
5.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：按如下任意一种方式从QAR数据中提取总燃油消耗量：
6.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：所述神经网络
7.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：训练时采用grid-search策略对神经网络模型的超参数进行寻优。
8.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：为每个机型分别训练对应的神经网络模型用于估计单次航行的总燃油消耗量。
9.一种民用航空飞机污染物排放量估计方法，其特征在于：采用如权利要求1～8任一所述的民用航空飞机燃油消耗量估计方法获取总燃油消耗量的估计值，将总燃油消耗量的估计值乘以相应的污染物排放系数，得到污染物排放量。
10.根据权利要求9所述的民用航空飞机污染物排放量估计方法，其特征在于：将总燃油消耗量的估计值乘以二氧化碳排放系数，得到二氧化碳排放量。
...【技术特征摘要】
1.一种民用航空飞机燃油消耗量估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：所述航行全过程包括滑出阶段、飞行阶段与滑入阶段；所述飞行阶段包括起飞阶段、爬升阶段、巡航阶段、降落阶段、进近阶段与着陆阶段。
3.根据权利要求2所述的民用航空飞机燃油消耗量估计方法，其特征在于：从航班数据中提取航行时间信息的步骤如下：根据航班数据集记录的四个时间点：出发时刻、起飞时刻、降落时刻和到达时刻，计算得到滑出阶段、飞行阶段和滑入阶段时长；并根据飞行阶段中各个阶段的固定时长占比乘以飞行阶段时长计算出起飞阶段、爬升阶段、巡航阶段、降落阶段、进近阶段与着陆阶段时长。
4.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在于：所述航行高度信息包括起飞高度、降落高度与最大巡航高度。
5.根据权利要求1所述的民用航空飞机燃油消耗量估计方法，其特征在...
【专利技术属性】
技术研发人员：孙华波，王纯，卢宾宾，张晨，张宇鑫，
申请(专利权)人：中国民航科学技术研究院，
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。