Entender las condiciones de consumo de energía es necesario para optimizar el uso de energía de los UAV, particularmente durante el vuelo bajo diversas condiciones climáticas y factores ambientales. Mantener la energía del UAV mientras se tienen en cuenta múltiples variables influyentes y la vulnerabilidad a las condiciones climáticas proporciona un caso de estudio apropiado para un modelado predictivo avanzado. Este estudio investiga el consumo de energía de los UAV durante el vuelo en suspensión al predecir el uso de energía utilizando una red MDFA para mejorar la precisión de la predicción y adaptarse mejor a las rápidas variaciones inducidas por el clima. Para capturar dependencias temporales intrincadas y un comportamiento oscilatorio recurrente, el modelo integrado combina convoluciones dilatadas de múltiples escalas con un mecanismo mejorado por Fourier. Según los resultados experimentales, este modelo logra reducciones del 3% en el error bajo todas las condiciones de vuelo probadas, lo que indica una mejora significativa en el rendimiento. En general, el modelo MDFA mostró consistentemente un mejor rendimiento bajo condiciones de alto consumo de energía que bajo condiciones de bajo consumo de energía, y produjo el menor error en vuelo pesado en comparación con el vuelo bajo y medio.