基于Bi-LSTM神经网络的大气阻力系数预测

作     者：陈祥 戴吾蛟 张梦晨 边朗 唐成盼 李凯 CHEN Xiang;DAI Wujiao;ZHANG Mengchen;BIAN Lang;TANG Chengpan;LI Kai

作者机构：中南大学地球科学与信息物理学院 中国空间技术研究院西安分院 中国科学院上海天文台 

出 版 物：《大地测量与地球动力学》 (Journal of Geodesy and Geodynamics)

年 卷 期：2024年第44卷第11期

页      面：1161-1166页

核心收录：

学科分类：08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金(12103077)~~ 

主　　题：神经网络 大气阻力系数 低轨卫星 轨道预测 

摘      要：大气阻力难以精确建模，是低轨卫星精密定轨与轨道预测最大的动力学误差源。定轨处理时考虑利用时变的大气阻力系数（CD）来吸收大气阻力模型误差，从而获得较好的轨道拟合结果。然而由于缺少精确的建模方法来反映CD参数的时变特征，导致轨道预报误差逐渐发散。针对该问题，提出基于Bi-LSTM神经网络预测CD参数的轨道预报方法。首先通过动力学定轨方法解算GRACE-C卫星（GRCC）和Sentinel-3A卫星（SN3A）长期的CD参数序列，然后采用Bi-LSTM神经网络方法进行CD参数预测。结果显示，GRCC和SN3A卫星CD预测值的MAE均值分别为0.030 2和0.077 4,RMSE均值分别为0.041 6和0.101 8。将CD参数预测结果运用到两颗卫星4组轨道预报实验中，结果表明，GRCC卫星预报7 d的最高平均精度为12.28 m,平均精度提升率均在90%以上；SN3A卫星最高平均精度为16.00 m,平均精度提升率最高可达74.82%。