地球同步轨道系列卫星自主空间辐射环境监测及应用

对地球同步轨道空间辐射环境监测及应用进行了研究。给出了持续开展的国外GOES系列卫星和国内FY-2系列卫星的地球同步轨道空间粒子辐射探测介绍,以及AE8和AP8、AE9和AP9、POLE、FLUMIC等用于地球同步轨道带电粒子辐射环境评估的经验模型发展。我国自主高能带电粒子辐射监测自20世纪90年代中后期开始,FY-2系列卫星上的带电粒子探测仪器经过了两代卫星的技术巩固和第三代卫星的创新发展,实现了更精细的能道划分并拓宽了对带电粒子辐射能谱的探测。介绍了用FY-2系列卫星获得的不同扰动状态下高能电子能谱特性,兆电子伏特级高能电子快速、缓慢增强事件,以及与GOES-13,15卫星联合应用分析高能电子不同地方时动态与太阳质子事件动态演化结果。用FY-2系列卫星获得的观测数据能准确、灵敏反映轨道空间高能带电粒子的动态变化;与GOES系列卫星的同期观测结果比较既反映出相对平静时的趋于一致性,又反映了强扰动下的显著短时局地差异,这为开展该轨道粒子辐射实测数据多星联合分析,发展磁层对扰动响应更全面、更复杂的图像,为带电粒子起源、重新分布、损失机制等深入研究提供了可能。在最新的第一代静止气象卫星FY-4卫星上,带电粒子探测仪器兼顾了能谱和方向的设计,既具备FY-2系列卫星平台高能电子、质子全能谱的探测,又增加了高能电子的多方向探测。目前除GOES系列卫星以外,仅有我国地球同步轨道系列卫星可提供持续的轨道空间粒子辐射环境长期实测记录,数据的长时间积累和信息丰富将促进地球同步轨道空间粒子辐射经验模型向更精细化的方向发展,并推动我国空间粒子辐射环境理论和自主建模研究,更好地服务于我国空间天气监测预警业务。     

基于图卷积网络的卷积神经网络耗时预测算法

通过可学习的预测算法获取卷积神经网络(CNN)在硬件上的推理耗时越来越受到研究者的关注。现有耗时预测算法主要面临2个问题:卷积神经网络设计空间采样复杂度高，数据采集成本高；无法准确预测硬件编译器的算子融合技术对推理耗时的影响。为了解决上述问题，提出了一种基于图卷积网络(GCN)的耗时预测算法, 将整体网络耗时看作多节点耗时补偿的累加，并利用图卷积对结构算子融合产生的耗时影响进行建模。同时，提出一种新型差分训练方案，减少采样空间规模，提高算法的泛化能力。在HISI3559硬件平台上对MB-C连续空间采样模型的耗时预测实验表明:所提算法可将耗时估计的平均相对误差从传统算法的302%降低到5.3%。另外，通过将传统耗时预测算法替换成所提算法进行耗时评估，可以使网络结构搜索算法搜索到耗时更加接近目标的高精度网络。