申请/专利权人：中国西安卫星测控中心

申请日：2022-05-18

公开（公告）日：2024-04-02

公开（公告）号：CN114970341B

主分类号：G06F30/27

分类号：G06F30/27;G06N20/00;G06F18/15;G06F18/2431;G06F18/213;G06Q50/40

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本发明是关于一种基于机器学习的低轨卫星轨道预报精度提升模型建立方法。包括：采用精密数值外推软件生成全动力学模型下的轨道真值数据XTrue，预设动力学模型下的轨道估计数据XEst和轨道预测数据XPre；根据XTrue和XPre得到轨道真值误差，根据XEst和XPre得到轨道相对预报误差；基于XGBoost模型，以轨道真值误差为目标变量确定预设输入特征变量，并进行归一化处理；将归一化处理后的预设输入特征变量和目标变量利用XGBoost模型进行分析，选取决定系数R2最大的预设输入特征变量组合，作为关键输入特征变量；根据归一化处理后的关键输入特征变量和目标变量对XGBoost模型进行超参数寻优，得到最优超参数；将关键输入特征变量、目标变量和最优超参数输入XGBoost模型进行训练，获得预报精度提升模型。

主权项：1.一种基于机器学习的低轨卫星轨道预报精度提升模型建立方法，其特征在于，包括：采用精密数值外推软件生成全动力学模型下的轨道真值数据XTrue，预设动力学模型下的轨道估计数据XEst和轨道预测数据XPre，其中，当前时刻的轨道预测数据XPre为前一时刻的轨道估计数据XEst外推得到的，当前时刻的轨道估计数据XEst是基于前一时刻的轨道估计数据XEst根据实际观测数据改进后得到的；根据轨道真值数据XTrue和轨道预测数据XPre得到轨道真值误差，根据轨道估计数据XEst和轨道预测数据XPre得到轨道相对预报误差；基于XGBoost模型，以轨道真值误差为目标变量确定预设输入特征变量，并对所述预设输入特征变量和所述目标变量进行归一化处理；将归一化处理后的所述预设输入特征变量和所述目标变量利用XGBoost模型进行分析，以决定系数R2作为判断依据，选取决定系数R2最大的预设输入特征变量组合，作为关键输入特征变量；使用网格搜索方法，根据归一化处理后的所述关键输入特征变量和所述目标变量对所述XGBoost模型进行超参数寻优，得到最优超参数；将所述关键输入特征变量、所述目标变量和所述最优超参数输入所述XGBoost模型进行训练，获得预报精度提升模型。

全文数据：

权利要求：

百度查询： 中国西安卫星测控中心 基于机器学习的低轨卫星轨道预报精度提升模型建立方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD