[发明专利]一种空域航班碳排放量组合预测方法

说明书

本发明公开了一种空域航班碳排放量组合预测方法，包括采集空域航班基础信息，以计算预设历史时间段所对应运行条件下空域航班的燃油消耗率；根据空域航班的燃油消耗率，计算得到空域航班碳排放历史时序数据集；将空域航班碳排放历史时序数据集分别输入至已训练好的LSTM预测模型及XGBoost预测模型，对应获取两模型的碳排放量预测结果；采用自适应时变赋权法将两模型的碳排放量预测结果进行融合，获取空域航班碳排放量的预测结果。本发明综合利用LSTM预测模型和XGBoost预测模型进行空域航班的碳排放量预测，并使用自适应时变赋权法融合两预测模型的预测结果，能够实现空域航班碳排放量的准确感知。

技术领域

本发明属于航空技术领域，具体涉及一种空域航班碳排放量组合预测方法。

背景技术

随着航班飞行量的增加，碳排放量对环境的影响也随之增加，大量的碳排放不仅损害人类健康，而且威胁全球气候变化。

目前有关航空器碳排放的研究主要是估算航空器处于起飞着陆循环阶段的排放量。而高空空域航班巡航产生的高空碳排放物会加速改变大气层的化学及微观粒子物理学特性，对于气候变化具有放大效应；且航班运行的巡航阶段占据整个飞行任务时长的80％，整个飞行任务的绝大多数燃油消耗和碳排放均发生在该阶段。因此，目前已知的航空器碳排放量估算方法并不能实现航路空域航班碳排放量的准确感知。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种空域航班碳排放量组合预测方法，能够实现空域航班碳排放量的准确感知。

为达到上述目的，本发明是采用下述技术方案实现的：

一种空域航班碳排放量组合预测方法，包括：

从预建立的基础信息数据库采集空域航班基础信息，以计算预设历史时间段所对应运行条件下空域航班的燃油消耗率；

根据空域航班的燃油消耗率，计算得到空域航班碳排放历史时序数据集；

将空域航班碳排放历史时序数据集分别输入至训练好的LSTM预测模型和XGBoost预测模型，得到LSTM预测模型的碳排放量预测结果和XGBoost预测模型的碳排放量预测结果；

采用自适应时变赋权法将LSTM预测模型的碳排放量预测结果和XGBoost预测模型的碳排放量预测结果进行融合，获取空域航班碳排放量的预测结果。

进一步的，所述空域航班基础信息包括：空域边界数据、BADA机型性能数据、ADS-B飞行轨迹数据、航班飞行计划数据和空域气象数据。

进一步的，所述燃油消耗率的计算方法包括：

根据空域航班各飞行航迹点的垂直速度判断各航迹点所处的飞行阶段；

根据航迹点所处飞行高度对应的风速及风向，依据航行速度三角形将航班飞行地速转化成真空速；

根据空域航班对应机型性能数据、真空速计算空域航班在各飞行阶段下的燃油消耗率。

进一步的，所述飞行阶段包括爬升阶段、平飞阶段和下降阶段；

当航迹点的垂直速度v_vertical,i满足：v_vertical,i＜-300ft/min时，对应航迹点的飞行阶段为下降阶段；

当航迹点的垂直速度v_vertical,i满足：-300ft/min≤v_vertical,i≤300ft/min时，对应航迹点的飞行阶段为平飞阶段；

当航迹点的垂直速度v_vertical,i满足：v_vertical,i＞300ft/min时，对应航迹点的飞行阶段为爬升阶段。