A Methodology for Calculating Greenhouse Effect of Aircraft Cruise Using Genetic Algorithm-Optimized Wavelet Neural Network
A Methodology for Calculating Greenhouse Effect of Aircraft Cruise Using Genetic Algorithm-Optimized Wavelet Neural Network
复制标题
遗传算法优化小波神经网络计算飞机巡航温室效应的方法
DOI：
10.1155/2020/7141320
复制
发表时间：
2020-10
期刊：
影响因子：
2.3
通讯作者：
Qian Wang
中科院分区：
文献类型：
--
作者：
Yong Tian;Lina Ma;Songtao Yang;Qian Wang
可靠的航空器运行环境影响评价是民航绩效评价和可持续发展的重要内容。本文提出了一种计算飞机巡航温室效应的新方法。针对巡航策略和风因子，设计了一种遗传算法优化的小波神经网络拓扑结构，并利用真实的飞行记录数据建立了燃油流量模型。验证测试表明，所提出的模型与首选的网络结构可以优于其他本文研究的准确性和稳定性。以2019年10月2日由北京首都国际机场飞往上海虹桥国际机场的9个航班为例进行了计算，结果表明，该方法可以有效地给出不同时间段的燃油消耗、CO2和NOx排放以及温度变化，这有助于飞机巡航的环境性能评估和未来轨迹规划。
Reliable assessment on the environmental impact of aircraft operation is vital for the performance evaluation and sustainable development of civil aviation. A new methodology for calculating the greenhouse effect of aircraft cruise is proposed in this paper. With respect to both cruise strategies and wind factors, a genetic algorithm-optimized wavelet neural network topology is designed to model the fuel flow-rate and developed using the real flight records data. Validation tests demonstrate that the proposed model with preferred network architecture can outperform others investigated in this paper in terms of accuracy and stability. Numerical examples are illustrated using 9 flights from Beijing Capital International Airport to Shanghai Hongqiao International Airport operated by Boeing 737–800 aircraft on October 2, 2019, and the generated fuel consumption, CO 2 and NO x emissions as well as temperature change for different time horizons can be effectively given through the proposed methodology, which helps in the environmental performance evaluation and future trajectory planning for aircraft cruise.
登录
查看更多内容
DOI：
10.13227/j.hjkx.201908199
发表时间：
2020
期刊：
环境科学
影响因子：
--
作者：
韩博;孔魏凯;姚婷玮;王愚
通讯作者：
王愚
DOI：
10.1017/s0001924000010320
发表时间：
2015-02
期刊：
The Aeronautical Journal
影响因子：
--
作者：
T. Baklacioglu
通讯作者：
T. Baklacioglu
DOI：
--
发表时间：
2008
期刊：
--
影响因子：
--
作者：
Yang Junli
通讯作者：
Yang Junli
DOI：
10.1080/15568318.2016.1253801
发表时间：
2017-04
影响因子：
3.9
作者：
Beata Płanda;J. Skorupski
通讯作者：
Beata Płanda;J. Skorupski
影响因子：
8
作者：
G. Brasseur;Mohan Gupta
通讯作者：
G. Brasseur;Mohan Gupta