基于GBDT的卫星工程参数异常检测

• 作者: 马文臻 王爱玲 李旭东 黎建辉 邹自明 李云龙
• 来源期刊: 计算机系统应用
• 关键词: 空间科学卫星 数据处理 异常检测 机器学习 梯度提升决策树
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 软件技术·算法|Software Technique·Algorithm
• 页码范围: 138-144
• 页数: 7页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008263

摘要

卫星及其载荷的在轨运行异常诊断是卫星高效安全运行的重要支持,发展智能、高效的卫星异常检测方法,是卫星地面系统的研究焦点之一.在我国空间科学先导专项系列卫星任务的应用背景下,根据空间科学卫星的数据特性与异常形态,基于梯度提升决策树(gradient boosting decision tree,GBDT)原理构建卫星工程参数异常智能检测方法,利用量子科学实验卫星任务的工程数据开展应用验证与分析,与原采用的"阈值+规则表达式"异常检测方法相比,将平均准确率提升了约两个百分点,达到98％以上,可有效减少漏报和错报,并将检测速度提升了大约6倍.