Este documento presenta un marco de red neuronal profunda guiada por la física para estimar el consumo de combustible de una aeronave. El marco tiene como objetivo mejorar la consistencia de los modelos basados en datos en regímenes de vuelo que no están cubiertos por los datos. En particular, guiamos la red neuronal con las ecuaciones que representan la dinámica del flujo de combustible. Además del error empírico, incorporamos este conocimiento físico como varios términos de pérdida adicionales. Los resultados muestran que nuestro modelo propuesto logra predicciones correctas en el conjunto de prueba etiquetado, así como asegurar la consistencia física en regímenes de vuelo no vistos. Los resultados indican que nuestro modelo, aunque es aplicable al sobrevuelo completo de la aeronave, produce medidas de error de consumo de combustible más bajas en comparación con los enfoques basados en modelos y otras técnicas de aprendizaje supervisado que utilizan los mismos conjuntos de datos de entrenamiento. Además, nuestro modelo de aprendizaje profundo produce tendencias de consumo de combustible similares al modelo de rendimiento de aeronaves BADA4, que se utiliza ampliamente en operaciones del mundo real, en regímenes de vuelo no vistos y no entrenados. En contraste, las otras técnicas de aprendizaje supervisado no logran producir resultados significativos. En general, la metodología propuesta mejora la explicabilidad de los modelos basados en datos sin deteriorar la precisión.