基于风险偏好调整的随机森林算法的航班航程油量预测

• 作者: 吴子轩 张宁 高凯烨 彭锐
• 来源期刊: 航空学报
• 学科: 航空航天
• 关键词: 预测 机器学习 航程油量 风险偏好 航空运输 航空大数据
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 固体力学与飞行器总体设计|Solid Mechanics and Vehicle Conceptual Design
• 页码范围: 287-296
• 页数: 10页
• 分类号: V29
• 语种: 中文

摘要

燃油成本是航空公司的最主要成本之一,对航空公司的利润率影响巨大.航空燃油中携带量最多的是航程油.合理地预测和优化航程油量可以有效地降低航班额外燃油携带量,并提升机队燃油经济性和有效商业载荷.然而,以往的燃油预测研究数据来源较为单一、适用的运行场景和机型较为有限,从而导致难以得到推广应用.更重要的是,以往研究也未解决航班对安全风险的偏好问题.因此,本研究结合航班航程油量预测的问题特征,构建了基于风险偏好调整的随机森林算法航班航程油量预测模型.该模型根据航班计划、运行环境、飞机构型和性能等选取了特征项,并在数学特性的基础上增加了反映经济性和安全性的模型评价指标.然后,使用某航司的实际航班运行数据对模型进行拟合和测试.数据实验结果显示,模型能够完成符合预期精度和具有实际意义的预测,相较于以往的模型有着更好的表现.本研究成果已经在某航司得到应用,为航班飞行计划制作、签派员加注航班燃油和节能减排分析提供了参考.