پیش بینی بردار حالت مداری ماهواره با استفاده از سری های زمانی و شبکه های عصبی

در این مقاله، روشی نوین برای پیش ­بینی موقعیت مداری ماهواره با استفاده از سری­ های زمانی و شبکه های عصبی معرفی شده است. در این روش، بر خلاف روش­های معمول پیش ­بینی مدار، از قوانین کپلر استفاده نشده و از قدرت پیش­ بینی سری ­های زمانی در شبکه ­های عصبی برای پیش­ بینی موقعیت مداری استفاده شده است. مهمترین مزیت روش پیشنهادی نسبت به روش­ های موجود، در استفاده از داده­های واقعی است. چرا که روش ­های موجود عموما با ساده سازی روابط و نیز حذف برخی از اغتشاشات معمولا دارای خطا بوده و استفاده از معادلات بازگشتی نیز به طور افزاینده­ای این خطا را افزایش می­ دهد. در دسترس ترین داده واقعی، TLE بوده و دقت آنها نیز در پژوهش­ های مختلف به اثبات رسیده است. لذا در روش پیشنهادی استفاده از این داده­ ها در دستور کار قرار گرفته است. نتایج شبیه ­سازی و مقایسه این روش با الگوریتم SGP۴ و داده­ های واقعی، نشان از کارآمدی روش پیشنهادی دارد.

کلیدواژه ها:

پیش بینی سری زمانی ، شبکه های عصبی ، TLE ، بردار حالت مداری