| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 航空器燃油流率研究现状 | 第14-16页 |
| 1.2.2 深度学习研究现状 | 第16-18页 |
| 1.3 本文研究内容和组织结构 | 第18-21页 |
| 1.3.1 本文研究内容 | 第18-19页 |
| 1.3.2 本文组织结构 | 第19-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 影响燃油流率的关键因素识别 | 第22-34页 |
| 2.1 数据存储与提取 | 第22-24页 |
| 2.1.1 综合航迹数据 | 第22-23页 |
| 2.1.2 QAR数据 | 第23-24页 |
| 2.2 基于轨迹数据的影响燃油流率的隐含信息分析 | 第24-28页 |
| 2.2.1 真空速 | 第25页 |
| 2.2.2 转弯角速度 | 第25-26页 |
| 2.2.3 爬升/下降率 | 第26页 |
| 2.2.4 爬升/下降梯度 | 第26页 |
| 2.2.5 飞行状态 | 第26-28页 |
| 2.3 基于k近邻互信息的燃油流率关键因素选择 | 第28-33页 |
| 2.3.1 多元时间序列的变量选择 | 第28-29页 |
| 2.3.2 k近邻互信息的关键因素选择方法 | 第29-31页 |
| 2.3.3 基于k近邻互信息的燃油流率关键因素选择 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于深度信念网络的燃油流率估算模型 | 第34-52页 |
| 3.1 深度信念网络 | 第34-39页 |
| 3.1.1 受限波尔兹曼机原理 | 第34-36页 |
| 3.1.2 深度信念网络原理 | 第36-37页 |
| 3.1.3 深度信念网络训练方法分析 | 第37-39页 |
| 3.2 基于深度信念网络的真空速估算模型 | 第39-45页 |
| 3.2.1 构建真空速估算模型 | 第39-40页 |
| 3.2.2 真空速估算模型的训练 | 第40-42页 |
| 3.2.3 模型评价方法 | 第42-43页 |
| 3.2.4 实验分析 | 第43-45页 |
| 3.3 基于深度信念网络的燃油流率估算模型 | 第45-51页 |
| 3.3.1 构建燃油流率估算模型 | 第45-46页 |
| 3.3.2 燃油流率估算模型的训练 | 第46-48页 |
| 3.3.3 实验分析 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 燃油流率模型结构优化与验证分析 | 第52-72页 |
| 4.1 DBN结构参数优化分析 | 第52-57页 |
| 4.1.1 DBN网络隐含层数优化分析 | 第52-53页 |
| 4.1.2 DBN网络隐含节点数优化分析 | 第53-56页 |
| 4.1.3 DBN网络学习率参数优化分析 | 第56-57页 |
| 4.2 模型验证分析 | 第57-65页 |
| 4.2.1 DBN模型拟合分析 | 第57-59页 |
| 4.2.2 不同特征对DBN模型的影响分析 | 第59-60页 |
| 4.2.3 不同模型对比分析 | 第60-65页 |
| 4.3 模型应用 | 第65-70页 |
| 4.3.1 基于轨迹数据的燃油消耗测算方法 | 第65-67页 |
| 4.3.2 航空器燃油消耗测算 | 第67-70页 |
| 4.4 本章小结 | 第70-72页 |
| 第五章 总结与展望 | 第72-75页 |
| 5.1 主要研究工作和创新点 | 第72-74页 |
| 5.1.1 主要研究工作 | 第72-73页 |
| 5.1.2 创新点 | 第73-74页 |
| 5.2 展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |