燃油消耗的量化测度是评价空中交通运行效率和空管新技术节能减排效果的基础,采用基于实测雷达轨迹数据估算空中交通燃油消耗是一种较全面、可行的途径。燃油流率估算受多种因素交互影响,现有模型难以表征多元变量之间的复杂关系,深度学习模型在挖掘多元变量与燃油流率的内在复杂关系方面具有独特优势,能够更有效地提高燃油流率模型的估算精度。首先,基于空中交通轨迹数据的燃油流率关键影响因素识别。从轨迹数据入手,结合QAR数据分析并提取了影响燃油流率的性能参数,采用互信息方法分析了各参数对燃油流率的影响程度,并结合前向选择过程对各参数进行变量选择。第二,针对综合航迹数据缺乏真空速的问题,采用深度信念网络挖掘高度、地速和真空速的内在关系,构建了深度信念网络真空速估算模型。实验结果表明该模型拟合度为95.92%,可以将其用于整个空中飞行轨迹的真空速估算。进一步采用深度信念网络初步构建了民航飞机燃油流率估算模型,结果表明该模型具有较好的拟合效果,可以实现基于综合航迹数据的飞行燃油流率估算。第三,针对燃油流率估算模型逼近效果尚不理想的问题,依次分析隐含层数、隐含节点个数、学习率等网络参数对模型的影响,选取各参数的最优值进行模型训练,完成燃油流率模型结构的优化,结果表明优化后的模型精度达到93.17%,模型优化后比优化前估算精度提高了3.6%。然后,通过实验对比发现,深度信念网络燃油流率模型的估算精度和稳定性明显优于其他模型。最后,将深度信念网络燃油流率模型应用于空中交通燃油消耗的测算,并验证了该模型应用的可靠性。通过与实际航班运行的轨迹数据对比发现,构建的燃油流率模型对民航飞机燃油流率估算取得精准的效果,并以此实现了空中交通燃油消耗的测算,为利用大规模空中交通轨迹数据进行燃油消耗测量奠定了理论基础。