高轨卫星轨道预报中神经网络模型优化设计

• 作者: 张宇喆 张正强 李晓杰 谷冰 黄金
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: 神经网络 轨道预报 训练噪声 训练步长 地球静止轨道卫星 倾斜地球同步轨道卫星
• 年，卷（期）: 2015,（6）
• 页码范围: 559-564
• 页数: 6页
• 分类号: P228
• 字数: 5421字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2015.06.003

摘要

高轨卫星是我国卫星导航系统的重要组成部分。提升该类卫星的轨道预报精度有利于用户定位精度的提高。提出了一种改进高轨卫星轨道预报精度的新方法。该方法避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破。利用神经网络作为建立预报模型的工具,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时刻的预报轨道以提高轨道预报精度。对影响神经网络模型补偿效果的各因素进行了详细分析,制定了适应于高轨卫星短期、中期和长期预报的神经网络最优模型。利用实测数据进行了试验分析,结果表明：预报8,15及30 d应选择的训练步长分别为10,20及25 min；轨道预报8~30 d时,训练噪声均选取0.01。神经网络模型有效地改进了高轨卫星的轨道预报精度,预报4~30 d,轨道精度提高幅度为34.67％~82.37％不等。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓杰		25	39	4.0	5.0
2	黄金		3	11	2.0	3.0
4	张正强		5	13	2.0	3.0
5	张宇喆		3	4	1.0	1.0
8	谷冰		1	1	1.0	1.0