論文の概要: Aircraft Fuel Flow Modelling with Ageing Effects: From Parametric Corrections to Neural Networks
- arxiv url: http://arxiv.org/abs/2509.15736v1
- Date: Fri, 19 Sep 2025 08:06:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-22 18:18:11.067955
- Title: Aircraft Fuel Flow Modelling with Ageing Effects: From Parametric Corrections to Neural Networks
- Title（参考訳）: 時効を考慮した航空機燃料流れのモデル化:パラメトリック補正からニューラルネットワークへ
- Authors: Gabriel Jarry, Ramon Dalmau, Philippe Very, Junzi Sun,
- Abstract要約: 本稿では,エアバスA320-214の燃料流量予測にエンジンの時効効果を統合するためのアプローチについて検討する。
我々は、9つの異なる機体から約19万回のクイックアクセスレコーダー飛行の包括的なデータセットを使用しており、運用期間は様々である。
その結果, 従来の航空機の燃料消費を常に過小評価するベースラインモデルでは, 年齢依存補正係数とニューラルモデルを用いることで, バイアスを大幅に低減し, 予測精度を向上させることがわかった。
- 参考スコア（独自算出の注目度）: 3.2443798547219096
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate modelling of aircraft fuel-flow is crucial for both operational planning and environmental impact assessment, yet standard parametric models often neglect performance deterioration that occurs as aircraft age. This paper investigates multiple approaches to integrate engine ageing effects into fuel-flow prediction for the Airbus A320-214, using a comprehensive dataset of approximately nineteen thousand Quick Access Recorder flights from nine distinct airframes with varying years in service. We systematically evaluate classical physics-based models, empirical correction coefficients, and data-driven neural network architectures that incorporate age either as an input feature or as an explicit multiplicative bias. Results demonstrate that while baseline models consistently underestimate fuel consumption for older aircraft, the use of age-dependent correction factors and neural models substantially reduces bias and improves prediction accuracy. Nevertheless, limitations arise from the small number of airframes and the lack of detailed maintenance event records, which constrain the representativeness and generalization of age-based corrections. This study emphasizes the importance of accounting for the effects of ageing in parametric and machine learning frameworks to improve the reliability of operational and environmental assessments. The study also highlights the need for more diverse datasets that can capture the complexity of real-world engine deterioration.
- Abstract（参考訳）: 航空機の燃料フローの正確なモデリングは、運用計画と環境影響評価の両方に不可欠であるが、標準的なパラメトリックモデルは、航空機の年齢とともに発生する性能劣化を無視することが多い。
本稿では,9つの異なる機体から約19万回のクイック・アクセス・レコーダの総括データセットを用いて,エアバスA320-214の燃料流量予測にエンジンの老化効果を統合するための複数の手法について検討する。
我々は、入力特徴として年齢を組み込んだ古典物理学モデル、経験的補正係数、およびデータ駆動型ニューラルネットワークアーキテクチャを明示的乗法バイアスとして体系的に評価した。
その結果, 従来の航空機の燃料消費を常に過小評価するベースラインモデルでは, 年齢依存補正係数とニューラルモデルを用いることで, バイアスを大幅に低減し, 予測精度を向上させることがわかった。
それでも、少数の機体と、年齢に基づく修正の表現性と一般化を制限する詳細なメンテナンスイベント記録の欠如によって、制限が生じる。
本研究は,運用環境評価の信頼性を高めるために,パラメトリックおよび機械学習の枠組みにおける老化の影響を考慮に入れることの重要性を強調した。
この研究はまた、現実世界のエンジン劣化の複雑さを捉えることのできる、より多様なデータセットの必要性を強調している。
関連論文リスト
- Deep learning for predicting hauling fleet production capacity under uncertainties in open pit mines using real and simulated data [0.0]
本稿では,実世界の運用記録と合成機械的破壊シナリオを融合したディープラーニングフレームワークを提案する。
XGBoost回帰器は14.3%の絶対誤差(MedAE)と15.1%のLong Short-Term Memoryネットワークの2つのアーキテクチャを評価した。
論文 参考訳（メタデータ） (2025-06-04T12:12:56Z) - Air Quality Prediction with A Meteorology-Guided Modality-Decoupled Spatio-Temporal Network [47.699409089023696]
大気質の予測は公衆衛生と環境保護において重要な役割を担っている。
既存の研究は大気の質予測において重要な役割を過小評価している。
MDSTNetは、予測のための大気汚染依存性を明示的にキャプチャするエンコーダフレームワークである。
ChinaAirNetは、大気の質記録と多気圧レベルの気象観測を組み合わせた最初のデータセットである。
論文 参考訳（メタデータ） (2025-04-14T09:18:11Z) - On the Generalization Properties of Deep Learning for Aircraft Fuel Flow Estimation Models [2.7336487680215815]
本稿では,燃料消費予測におけるディープラーニングモデルの一般化能力について検討する。
本稿では,ニューラルネットワークアーキテクチャとドメイン一般化技術を統合する新しい手法を提案する。
以前は目に見えない航空機に対して、航空機へのノイズの導入とエンジンパラメーターはモデルの一般化を改善した。
論文 参考訳（メタデータ） (2024-10-10T08:34:19Z) - Towards Physically Consistent Deep Learning For Climate Model Parameterizations [46.07009109585047]
パラメータ化は、気候予測において、系統的なエラーと大きな不確実性の主な原因である。
深層学習(DL)に基づくパラメータ化は、計算に高価で高解像度のショートシミュレーションのデータに基づいて訓練されており、気候モデルを改善するための大きな可能性を示している。
本稿では,DLに基づくパラメータ化のための効率的な教師付き学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-06T10:02:49Z) - Learning Generative Models for Climbing Aircraft from Radar Data [0.0]
本稿では,標準航空機データ(BADA)モデルがデータから学習した推力の関数的補正によって強化された登山用航空機の生成モデルを提案する。
この手法には3つの特徴がある: BADAと比較すると26.7%の誤差で到着時刻の予測;テストデータと比較すると現実的な軌道を生成する。
論文 参考訳（メタデータ） (2023-09-26T13:53:53Z) - Knowledge-embedded meta-learning model for lift coefficient prediction
of airfoils [25.546237636065182]
攻撃角度の異なる任意の超臨界翼の昇降係数を求めるために,知識埋め込みメタ学習モデルを開発した。
通常のニューラルネットワークと比較して,提案モデルでは,競合予測精度でより優れた一般化能力を示すことができる。
その結果, 提案モデルでは, 翼形状が物理的特性に与える影響を評価する傾向が示唆された。
論文 参考訳（メタデータ） (2023-03-06T02:47:31Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳（メタデータ） (2021-06-08T14:48:20Z) - Churn Reduction via Distillation [54.5952282395487]
本研究は, 基礎モデルを教師として用いた蒸留によるトレーニングと, 予測的チャーンに対する明示的な制約によるトレーニングとの等価性を示す。
次に, 蒸留が近年の多くのベースラインに対する低チャーン訓練に有効であることを示す。
論文 参考訳（メタデータ） (2021-06-04T18:03:31Z) - From industry-wide parameters to aircraft-centric on-flight inference:
improving aeronautics performance prediction with machine learning [5.171090309853363]
航空機の性能モデルは、特に燃料効率の良い飛行計画において重要な役割を担っている。
実際には、メーカーは1つの要素のチューニングを通じて、航空機のライフサイクルを通してわずかに修正されたガイドラインを提供し、より良い燃料予測を可能にしている。
これは制限があり、特に航空機の性能に影響を及ぼすそれぞれの特徴の進化を反映していない。
本論文の重要な貢献は,航空機の飛行中に連続的に記録される大量のデータを活用するために,機械学習の利用を促進することである。
論文 参考訳（メタデータ） (2020-05-11T17:40:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。