An improved method of orbit prediction accuracy based on random forest is proposed. Firstly, the historical data of two rows of satellite elements are obtained, the parameters of random forest, SGP4 model, accurate satellite orbit prediction model and error simplified satellite orbit prediction model are initialized, then the actual state of satellite in orbit is decomposed and the precise satellite orbit prediction model is used. Satellite orbital prediction models with simplified errors are used to predict satellite orbital prediction respectively. The simulation states of precise satellite orbital prediction and satellite orbital prediction errors are obtained. Finally, training data sets and application data sets are jointly obtained, and classifiers are trained in random forests to obtain the corrected values and improvements of atmospheric models. After that, the precise satellite orbit prediction model can complete the satellite orbit prediction.
【技术实现步骤摘要】
一种基于随机森林的轨道预报精度改进方法
本专利技术涉及一种轨道预报精度改进方法,更特别地说,是利用数据挖掘方法中的随机森林方法,开发一种挖掘大气模型修正值并以此提高轨道预报精度的方法。
技术介绍
轨道预报,即从当前卫星在轨状态出发,计算一定预报时间后卫星的在轨状态,精确的轨道预报是卫星轨道设计、跟踪监测、GPS导航定位的基础。对于低轨卫星而言,大气阻力是造成其轨道衰减最主要的摄动力,然而大气具有相当的不确定性,实际上卫星在轨运行的过程中受到的大气阻力是时刻变化的,目前尚未完全研究透彻大气密度变化规律的情况下,各类大气模型基本是半经验公式,这会对低轨卫星轨道预报造成较大的误差。有许多学者使用数据挖掘方法中的神经网络方法改进轨道预报精度或修正大气模型,例如,北京卫星导航中心的李晓杰在其公开的论文《神经网络在北斗导航卫星轨道预报中的应用》中与北京市遥感信息研究所的黄金在其公开的论文《基于神经网络模型的地球同步卫星高精度轨道预报》中均是利用BP神经网络进行轨道预报精度补偿,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前的预报轨道以提高轨道预报精度,但是该方法存在一定的改进失败率,且BP神经网络的本质为梯度下降法,收敛速度十分缓慢,计算负担较大,对训练样本的要求也较高;装备学院的朱俊鹏在其公开的论文《长短时记忆神经网络在卫星轨道预报中的研究》中公开一种利用长短时记忆神经网络进行轨道预报的思路和改进的模型,该方法摆脱了动力学模型,将一段较长的历史轨道数据作为训练样本,利用长短时记忆神经网络直接预报,但是因为摆脱了动力学模型,使得卫星在精密定轨 ...
【技术保护点】
1.一种基于随机森林的轨道预报精度改进方法,其特征在于步骤如下:(1)获取文本形式的卫星两行根数历史数据,设置随机森林的决策树数量、单棵决策树最大特征数量,初始化SGP4模型参数、精确卫星轨道预报模型、误差简化卫星轨道预报模型,两种轨道预报模型区别在于如下处理:(2)利用SGP4模型解构卫星两行根数历史数据,得到卫星在轨实际状态;(3)利用精确卫星轨道预报模型、误差简化卫星轨道预报模型分别进行卫星轨道预报,预报间隔为两个相邻卫星两行根数数据点的时间间隔,得到精确卫星轨道预报仿真状态、卫星轨道预报误差仿真状态;(4)联合精确卫星轨道预报仿真状态、卫星轨道预报误差仿真状态得到训练数据集,联合卫星在轨实际状态、精确卫星轨道预报仿真状态得到应用数据集,将训练数据集导入到随机森林中进行分类器训练;(5)利用得到的分类器对应用数据集进行分类,得到大气模型修正值、改进后的精确卫星轨道预报模型;(6)利用改进后的精确卫星轨道预报模型对卫星进行轨道预报。
【技术特征摘要】
1.一种基于随机森林的轨道预报精度改进方法,其特征在于步骤如下:(1)获取文本形式的卫星两行根数历史数据,设置随机森林的决策树数量、单棵决策树最大特征数量,初始化SGP4模型参数、精确卫星轨道预报模型、误差简化卫星轨道预报模型,两种轨道预报模型区别在于如下处理:(2)利用SGP4模型解构卫星两行根数历史数据,得到卫星在轨实际状态;(3)利用精确卫星轨道预报模型、误差简化卫星轨道预报模型分别进行卫星轨道预报,预报间隔为两个相邻卫星两行根数数据点的时间间隔,得到精确卫星轨道预报仿真状态、卫星轨道预报误差仿真状态;(4)联合精确卫星轨道预报仿真状态、卫星轨道预报误差仿真状态得到训练数据集,联合卫星在轨实际状态、精确卫星轨道预报仿真状态得到应用数据集,将训练数据集导入到随机森林中进行分类器训练;(5)利用得到的分类器对应用数据集进行分类,得到大气模型修正值、改进后的精确卫星轨道预报模型;(6)利用改进后的精确卫星轨道预报模型对卫星进行轨道预报。2.根据权利要求1所述的一种基于随机森林的轨道预报精度改进方法,其特征在于:所述的精确卫星轨道预报模型包括第一地球引力场模型、太阳引力摄动模型、太阳光压摄动模型、MSIS大气模型,误差简化卫星轨道预报模型包括第二地球引力场模型、人为添加误差的MSIS大气模型。3.根据权利要求1或2所述的一种基于随机森林的轨道预报精度改进方法,其特征在于:所述的随机森林为套袋法与决策树的结合,决策树是通过递归分割构建的,决策树建立过程包括从样本中随机选择n个样本,从所有属性中随机选择k个属性,根据最佳分割属性作为节点建立决策树;随机森林的...
【专利技术属性】
技术研发人员:廖川,徐明,潘晓,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。