胡小娜

摘 要：鉴于航班油耗影响因素众多、各因素对油耗贡献相差很大、各因素之间耦合关系复杂、非线性关系显著，对爬升段航班油建立模型困难，提出基于PCA-BP方法的油耗分析模型，该方法利用PCA对数据进行降维处理，并用BP神经网络建立油耗模型。结果表明PCA对数据降维作用明显，BP神经网络具有良好的逼近能力和动态特征响应，PCA-BP模型有实际参考价值。

关键词：航班油耗；主成分分析；BP神经网络；油耗模型

中图分类号：V312 文献标志码：A 文章编号：2095-2945（2017）19-0088-02

近年来，我国民航运输业发展快速。随着民航运输业的不断繁荣，航空煤油的消耗量也在逐年上涨。据统计，2014年国内航空煤油的消耗量已达2200多万吨，碳排放量6000多万吨[1]。从保护环境和节约航空运输业成本两方面考虑，节能减排势在必行[2]。

QAR[3]（Quick Access Recorder）数据一直以来主要用于飞机的日常维护、飞行检查、飞机性能监视以及飞行品质监控等需要。由于QAR数据包含飞行高度、速度、时间、发动机工作状态、气象状态等参数，而这些参数飞机的油耗密切相关。利用QAR数据建立飞机油耗模型、进行油耗估计、分析油耗影响因素得到越来越多的学者和科研机构的关注。

PCA[4]（Principal Component Analysis）方法能够对数据进行降维处理，而BP[5]（Back Propagation）神经网络能够对数据进行逼近，建立油耗模型。基于上述原因，提出基于PCA-BP方法的油耗分析模型。

1 油耗研究阶段选取及影响因素确定

1.1 研究阶段选取

正常的飞行过程一般包括起飞滑跑、爬升、巡航、下降和着陆滑跑五个典型飞行阶段。现根据QAR数据将某航段大量航班各典型飞行阶段的油耗占比进行整理，如表1所示。……