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。
背景技术：
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数据包生成训练数据。该方法还包括将训练数据作为输入提供给机器学习模型以生成第二燃料流估计值。该方法还包括比较第一燃料流估计值和第二燃料流估计值以生成燃料流误差值。该方法还包括修改机器学习模型以减小燃料流误差值。
2、在另一具体实施方式中，一种系统包括：存储器，被配置为存储指令；以及一个或多个处理器，耦接至存储器。一个或多个处理器被配置为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。一个或多个处理器还被配置为至少基于飞机的多个总重量值的比较来生成第一燃料流估计值。一个或多个处理器还配置为基于多个acars数据包生成训练数据。一个或多个处理器还被配置为将训练数据作为输入提供给机器学习模型以生成第二燃料流估计值。一个或多个处理器还被配置为比较第一燃料流估计值和第二燃料流估计值，以产生燃料流误差值。一个或多个处理器还被配置为修改机器学习模型以减小燃料流误差值。
3、在另一具体实施方式中，一种非瞬态计算机可读介质，其存储有指令，当由一个或多个处理器执行时，指令使一个或多个处理器启动、执行或控制操作，操作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。操作还包括至少基于飞机的多个总重量值的比较生成第一燃料流估计值。操作还包括基于多个acars数据包生成训练数据。操作还包括将训练数据作为输入提供给机器学习模型以生成第二燃料流估计值。操作还包括比较第一燃料流估计值和第二燃料流估计值以生成燃料流误差值。操作还包括修改机器学习模型以减小燃料流误差值。
4、在另一具体实施方式中，一种设备包括用于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”)数据包的装置。该设备还包括至少基于飞机的多个总重量值的比较生成第一燃料流估计值。该设备还包括基于多个acars数据包生成训练数据。该设备还包括将训练数据作为输入提供给机器学习模型以生成第二燃料流估计值。该设备还包括比较第一燃料流估计值和第二燃料流估计值以生成燃料流误差值。该设备还包括修改机器学习模型以减小燃料流误差值。
5、本文描述的特征、功能和优点可在各种实施方式中独立地实现或可在其他实施方式中组合，其进一步细节可参考以下描述和附图找到。
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除所述飞机通信寻址和报告系统数据包来生成训练数据。
12.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接收飞机通信寻址和报告系统数据包的超集，以及确定所述飞机通信寻址和报告系统数据包的超集中的每一个是否包括所述总重量值。
13.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不包括燃料流数据。
14.一种用于飞机燃料消耗模型生成的方法(200)，包括：
15.根据权利要求14所述的方法，还包括，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。
16.根据权利要求14所述的方法，其中，所述机器学习模型是尾翼特定的。
17.根据权利要求14所述的方法，其中，生成训练数据包括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，则从所述训练数据中去除所述飞机通信寻址和报告系统数据包。
18.根据权利要求14所述的方法，还包括：接收飞机通信寻址和报告系统数据包的超集，以及确定所述飞机通信寻址和报告系统数据包的超集中的每一个是否包括所述总重量值。
19.一种非瞬态计算机可读介质(108，334)，存储能够由一个或多个处理器(106，320)执行以执行操作的指令(112，336)，所述操作包括：
20.根据权利要求19所述的非瞬态计算机可读介质，所述操作进一步包括：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。
