不断升高的航油价格和面临的环境压力，全球民航正在为节约每一滴油而努力。避免“油烧油”是其中的重要手段，这就需要在制定燃油计划时精确地估计飞机燃油消耗。飞机燃油消耗模型是估计飞机飞行过程中燃油消耗的重要依据，精确的模型可以最大限度地减少“油烧油”现象。然而，民航没有建立燃油消耗估计理论体系，美欧几家大公司依靠其掌握的高精度燃油估计技术，收取高额的服务费。相比飞机的巡航阶段，下降阶段的环境变化更加复杂，影响飞机燃油消耗的因素更多，分析研究下降阶段的燃油消耗，建立较精确的飞机下降阶段燃油消耗模型，是实现油耗精确估计不可或缺的重要环节。分析比较大量QAR飞行数据发现，同一机型的燃油消耗值在相同下降环境中具有高度可重复性。基于此，提出了下降阶段的分段匹配燃油消耗模型。该模型根据飞机油耗的各影响因素的范围，对下降阶段的飞行环境进行分类，并根据不同环境的燃油消耗历史数据建立燃油消耗估计模型。油耗估计精度依赖于历史数据中对下降环境覆盖能力，一旦覆盖不足，该模型的连续性不理想。针对上述不足，采用神经网络建模方法，克服了分段匹配燃油消耗模型的缺点，扩大了模型适用范围，实现了下降阶段任意飞行环境下的飞机燃油估计。事实上，不同因素对下降阶段的燃油消耗影响也是不同的，确定各因素对油耗的影响程度，有助于实现模型的优化。为此，利用相关系数定义确定了各影响因素与燃油消耗量相关度，并在此相关度的指导下，开展了基于神经网络模型的参数优化分析。在不降低燃油预测精确度的前提下，精简模型输入参数个数，建立了基于神经网络的燃油消耗优化模型。实验对比分析表明，通过参数优化，将影响飞机下降阶段燃油消耗的因素由十个（气压高度、空速、纵向加速度、大气总温、风速、风向、倾斜角、垂直加速度、俯仰角、飞机总重量）减少为四个（空速、纵向加速度、俯仰角、飞机总重量）后，下降阶段神经网络燃油消耗估计的精度仅由4.02%变为4.38%；分段匹配燃油消耗模型的精度由1.96%变为0.76%，数据覆盖率大大提高，并且优化后的模型更加精简实用，计算量也大大减少。