摘要：燃料消耗佔飛機的整體營運成本比例達 25%，是航空公司至為重大的決策因素之一。因此，對燃料消耗作出審慎的估算，是航空公司在未來一個財政年度裏確保順利營運的關鍵工作。當航空公司需要估算新航段的總燃料消耗量，而又未能掌握所需數據時，就會出現困難。這便需要有一個強大的參數模型，即使在缺乏相關數據的情況下，也可以借助該模型所描繪的新航線特徵，來作出相關推演工作。為解決這個問題，我們提出一個涉及兩個步驟的方法，來得出一個可用以準確地估算所需飛機燃料的模型。這個構建出來的方法既涉及無監督學習，也涉及一個迴歸模型。對於無監督學習步驟，採用「基於分層密度之噪聲應用空間聚類法」(HDBSCAN)，來對經過主成分分析 (PCA) 方法歸約出的數據進行聚類處理。這個步驟可以在過濾數據中的噪聲後，根據各個航段的主要成分所顯示的基本特徵，自動分類不同的航段。然後，使用多元線性迴歸法 (MLR) 推演出每個聚類的公式。主要成分分析基礎聚類模型被證明優勝於對單一飛機類型採用一通用的模型。對於每個聚類內的現有航線，使用這種方法得出的燃料估算之均方根誤差小於 5%。更重要的是，這個建議使用的方法可用以準確地估算新航線所需的總燃料，總誤差小於 2%，因此能夠解決航空公司燃料估算研究的其中一個現有局限性。
