基于WPD的飞机航程燃料预测研究,使用IAPO优化的BiLSTM-KAN模型

科学领域:

• 航空航天工程 航空航天工程
• 计算智能是一种计算智能.
• 可持续发展 可持续发展 可持续发展

背景情况:

• 准确的航空燃料消耗预测对于民用航空的可持续发展至关重要.
• 现有的模型在预测飞机航程燃料支出方面存在局限性.
• 需要先进的方法来提高燃料消耗预测的准确性.

研究的目的:

• 提出一种新的燃料消耗预测模型,集成波形包分解 (WPD) 和改进的北极松鼠优化 (IAPO) 算法,以优化双向长短期内存网络-科尔莫戈罗夫-阿诺德网络 (BiLSTM-KAN).
• 提高飞机燃料消耗预测的准确性和可靠性,以实现可持续的航空实践.
• 为了解决当前飞机航程燃料预测方法的缺陷.

主要方法:

• 使用皮尔森相关系数进行特征选择.
• 使用波段包分解 (WPD) 将数据分解为频率次序.
• 时间依赖关系的双向长短期记忆 (BiLSTM) 和非线性关系的科尔摩戈罗夫-阿诺德网络 (KAN) 的集成.
• 优化BiLSTM-KAN超参数使用改进的北极优化 (IAPO) 算法,结合SPM混乱映射和自适应策略.

主要成果:

• 拟议的WPD-IAPO-BiLSTM-KAN模型在B737,A320和B747飞机模型中显示出卓越的预测准确性.
• 实现了低误差指标:例如,对于B737,MSE=34.57,NRMSE=0.0061,MAPE=3.81,R2=0.9974.这些指标中,MSE=34.57,NRMSE=0.0061,MAPE=3.81,R2=0.9974.
• 在预测飞机燃料消耗方面表现优于比较模型,表明高精度和低预测误差.

结论:

• WPD-IAPO-BiLSTM-KAN模型为预测航空燃料消耗提供了一种新且有效的方法.
• 该模型为减少飞机燃料消耗和支持可持续航空提供了有价值的见解.
• 集成WPD,IAPO,BiLSTM和KAN显著提高了预测性能.