基于梯度提升决策树的量子科学实验卫星光学实验预测

• 作者: 李虎 罗中凯 胡钛
• 来源期刊: 空间科学学报
• 学科: 地球科学
• 关键词: 光学实验 遥测数据 机器学习 阈值
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 空间探测技术
• 页码范围: 126-133
• 页数: 8页
• 分类号: P353
• 字数: 5766字
• 语种: 中文

摘要

量子科学实验卫星在轨运行期间完成4种光学实验,地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值,并且这些阈值需要根据在轨卫星重新设定,可扩展性较差.针对以上问题,提出一种基于机器学习的光学实验判别方法,将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题,构建分类模型,利用量子科学实验卫星的真实历史遥测数据对模型进行训练,并通过真实实验计划对训练得到的模型进行验证.实验结果表明,本文提出的方法在没有专家先验知识的前提下,判别准确率达到99％,可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性,可应用于卫星在轨运行的其他监测任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李虎	中国科学院国家空间科学中心	20	101	5.0	10.0
5	胡钛	中国科学院国家空间科学中心	5	10	2.0	3.0
6	罗中凯	中国科学院国家空间科学中心	1	0	0.0	0.0