發(fā)布時間：2025-03-18 06:07

　　航天器遙測數據是衛(wèi)星地面應用系統判讀星載設備狀態(tài)的唯一依據。對遙測數據未來變化趨勢進行準確預測,是航天器異常檢測的有效方法。傳統基于滑動自回歸平均模型、機器學習的遙測數據預測方法,在以下幾個方面存在不足:(1)沒有綜合考慮與被預測遙測參數有關聯關系的其他遙測數據;(2)大多研究聚焦于遙測時間序列的點預測,而現有區(qū)間預測方法對區(qū)間寬度、區(qū)間覆蓋率等性能指標考慮不足;(3)對平穩(wěn)數據預測效果較好,對具有突變特征的遙測預測欠佳。論文在對現有遙測時間序列的點預測、區(qū)間預測方法進行充分調研的基礎上,針對遙測數據預測的上述缺陷,提出了基于注意力機制的自編碼神經網絡方法,對遙測數據進行多步點預測和區(qū)間預測,并采用先導專項地面支撐系統量子衛(wèi)星遙測數據進行了實驗。論文主要研究內容如下:1)針對衛(wèi)星遙測數據密度大、變化緩慢等特征,對遙測數據進行預處理。包括對訓練數據進行壓縮以構造新特征值,使其符合所提預測模型的輸入輸出要求;采用數據可視化分析方法,對數據進行可視化分析,繪制出箱線圖分析原始數據分布的特征;針對量綱不統一的數據進行歸一化處理;采用最大信息系數對遙測數據相關性分析,選取對預測目標關聯的遙測變量;...

【文章頁數】：95 頁

【學位級別】：碩士

【部分圖文】：

圖1.1本文結構框架

基于注意力機制神經網絡的遙測數據預測方法16圖1.1本文結構框架論文分為五個章節(jié)進行討論，具體安排如下：第一章，緒論。介紹本文的研究背景和意義，歸納總結國內外針對遙測時間序列數據預測方法的研究現狀，提出本文的主要研究內容與研究路線。第二章，預測算法研究理論基矗詳細介紹遙測時間序列....

圖2.1遙測數據變化趨勢類型圖

第2章預測算法研究理論基礎19(c)周期與突變型組合圖2.1遙測數據變化趨勢類型圖圖2.1(c)所示為先導專項地面支撐系統量子衛(wèi)星鋰電池電流遙測數據。通過數據變化趨勢可以看出，鋰電正常時電流值在一定范圍內周期性波動，當出現異常時，數據突變。整體表現為非線性的周期性波動，局部為線性....

圖2.2AR模型預測流程圖

第2章預測算法研究理論基礎25圖2.2AR模型預測流程圖2.2支持向量回歸SVR模型給定訓練樣本Rimm,),(,),,(),,(yyxyxyxD2211,學習一個回歸模型)(bxxfT使得模型輸出f(x)與真實輸出y盡可能接近，、b為待確定的模型參數。支持向量回歸模型假設容忍模....

圖2.3SVR模型回歸間隔帶

第2章預測算法研究理論基礎25圖2.2AR模型預測流程圖2.2支持向量回歸SVR模型給定訓練樣本Rimm,),(,),,(),,(yyxyxyxD2211,學習一個回歸模型)(bxxfT使得模型輸出f(x)與真實輸出y盡可能接近，、b為待確定的模型參數。支持向量回歸模型假設容忍模....

本文編號：4036123