Förbättrande av bränsleförbrukningsestimering genom ensembleinlärning

Performance models provided by aircraft manufacturers are used by aircraft operators to perform flight path simulations aiming to reduce aircraft fuel consumption. However, performance models are generic and does not account for the performance deviations of each aircraft individual. The performance deviations, particularly in terms of fuel consumption, will affect the dynamic programming of flight path simulations. This may result in a less optimal flight path and ultimately lead to higher fuel consumption than expected. In hope of reducing this risk, a collection of local performance factors were derived. These factors describe the percentual deviation between the real fuel flow and the levels predicted by the performance model, and are allocated with respect to a range of flight parameters in a data library known as the performance library. A test environment is then constructed to simulate a continuous flow of flight data, where a new performance library is derived from the flight data of every month. The local performance factors of the previous month are then updated with the current; a learning process based on the weighted average ensemble approach. Further, the local performance factors are used in conjunction with the performance model to estimate the aircraft fuel consumption during cruise. The observed average prediction error is noticeably smaller than that of an equivalent global, scalar performance factor used by airlines today. The result also reveals that the prediction accuracy and versatility of the performance library is mainly determined by its resolution - higher resolution generally offers better accuracy at a cost of requiring more flight data, whereas lower resolutions are more versatile but of lower accuracy. Finally, the performance libraries of two identical aircraft are used to trace the performance deviation between them. The weighted average of all local performance factors in the performance library of respective aircraft reveal that the average fuel consumption is roughly -1.9 % and -2.5 % lower than the estimates by the performance model, ultimately proving that it is feasible to detect overall fuel efficiency deviation between two identical aircraft.Prestandamodeller tillhandhållna av flygplanstillverkarna används oftast av flygbolagen för att utföra flygruttsimuleringar i syfte att bespara bränsle. Dock är prestandamodellerna generiska och tillgodoräknar inte prestandaavvikelserna som förekommer hos varje flygplansindivid. Dessa prestandaavvikelser, speciellt i form av bränsleförbrukning, kommer att påverka den dynamiska programmeringen i flygruttssimulationen. Följde när flygrutter som kan leda till högre förbrukningar än de ursprungligen uppskattades. I hopp om att minimera denna risk beräknades mängder av lokala prestandafaktorer, vilka grundar på prestandamodellens avvikelse från verkliga flygdata. Dessa koefficienter allokerades sedan till ett databibliotek (prestandabibliotek) med avseende på en samling av flygparametrar. En testmiljö konstruerades i följd för att simulera ett kontinuerligt dataflöde. Vidare skapades ett prestandabibliotek för varje månadsflygdata, där de nyskapade lokala prestandafaktorerna viktas med de motsvarandeparterna i föregående månadens prestandabibliotek, vilket är en inlärningsprocessbaserad på viktad medelvärdesensemble. Prestandabiblioteket applicerades sedan över prestandamodellen och det snittliga uppskattning felet observerades vara märkbart mindre än det från en motsvarande global, skalärbaserad prestandafaktor. Resultatet antyder också på att prestandabibliotekets uppskattningsnoggrannhet och allsidighet beror huvudsakligen på dess upplösning - en hög upplösning leder generellt till ökad uppskattningsnoggrannhet med på bekostnad av mer flygdata, medan lägre upplösningar tenderar att vara mer allsidiga men med mindre uppskattningsnoggrannhet. Slutligen användes prestandabiblioteken av två identiska flygplan för att spåra prestandaavvikelser som förekommer mellan dem. Viktat medelvärde av alla prestandafaktorer i respektiveflygplanets prestandabibliotek tyder på att snittförbrukningen är ungefär 1,9 % respektive2,5 % lägre än det som uppskattades av prestandamodellen. Härmed bevisades att det är möjligt att spåra varianser i snittförbrukningen mellan två identiska flygplan