物理科技生物学-PHYICA

人工智能学会预测太阳通量

天文学与空间 2023-01-13 09:47:29

马德里政治大学 学分:马德里政治大学 马德里政治大学计算机系统工程系的研究人员与斯特拉斯克莱德大学(英国)合作,使用了一种深度学习方法来预测F10,这种方法以前在其他预测问题上表现出了良好的性能

7与空间作业相关的未来几天的太阳射电流量

F10

7指数,是对波长为10的太阳射电辐射强度的测量

7厘米,被用作太阳活动的代表,太阳活动是大气密度变化的主要驱动力,因此也是大气阻力的主要驱动力

由于大气阻力是低地球轨道卫星轨道预测中最突出的不确定性来源之一,因此该指标的精确建模对于帮助预测卫星和空间碎片的位置以及确保不发生碰撞至关重要

开发此模型所遵循的方法基于深度学习方法的使用,更具体地说,使用基于深度剩余网络的新方法

这种基于神经网络结构“N-BEATS”的方法被发现在提前27天的单点预测中是有效的,并且能够使用一组模型预测预测中的不确定性

研究小组发现,N-BEATS模型的性能优于可供空间运营商使用的两个预测tolos:一个是统计学模型(由BGS、欧空局提供),另一个是多通量浅层神经网络模型(由CNES CLS提供)

随着越来越多的私营公司在太空中提供服务,这个团队的结果对航天工业来说非常重要,因为它们可以用来开发工具来预测不久的将来的阻力情况,并做出更准确的轨道预测

这项研究已经发表在《航天学报》上

来源:由phyica.com整理转载自PH,转载请保留出处和链接!

本文链接:http://www.phyica.com/tianwenxue/25550.html

发表评论

用户头像 游客
此处应有掌声~

评论列表

还没有评论,快来说点什么吧~