航空发动机研发过程中,数据分析是其中的核心环节,目前比较缺乏航空发动机专用的数据分析工具,为使已有的和正在产生的数据资源充分体现价值,十分有必要建立一个面向航空发动机试验数据的高效的数据分析处理系统。进气总温是衡量发动机性能的一个重要参数,由于国内目前总温恢复系数的确定实验十分难以进行且费用昂贵,使用的都是经验性的恢复系数,该方式的修正效果仍需提升,亟待提出新的方法,以提高修正的性能。本文以航空发动机试验数据为来源,以进气总温修正应用场景为研究对象,利用机器学习构建了进气总温修正模型,并设计实现进气总温修正系统。本文主要工作如下:（1）针对进气总温修正问题,本文根据问题情景将其归为非线性回归问题,并对该问题采用随机森林、神经网络等四种模型方法进行了实验,为后续系统进气总温修正功能实现提供模型支持。（2）系统中的数据处理分析功能是通过算法模型来实现,为了系统能够持续扩展新功能,本文设计了算法库结构。算法库包含了算法内容模块,调用接口和算法管理模块,覆盖了数据处理分析的全过程,另外通过算法管理能实现算法的添加,使系统具有扩展性,为丰富系统功能提供方便。（3）系统设计与实现。本文基于实际项目需求进行需求分析和系统设计,整个系统囊括移动终端和管理端两部分,在层次划分上分为数据存储层、业务逻辑层和应用层三层结构。管理端主要进行用户、日志、实验结果等方面的系统管理;移动终端采用Android Studio框架进行开发,主要进行实时数据和离线数据的数据处理分析。另外在模型方面,采用了Tensorflow lite框架将模型压缩实现模型在移动终端的部署,利用Tensorflow.js实现了简单的模型训练。通过系统测试证明该系统能基本满足实际需求,稳定运行。