基于互信息的输入变量选择算法综述

空间环境是空间态势感知的重要组成部分，在空间科学领域，受限于对日地系统物理规律的全面认知，现有的基于物理机制的空间环境预测模型目前还难以实用化，通常采用的多是基于数据的经验类模型。基于互信息的输入变量选择算法为空间环境要素预测模型的输入确定了思路。由于能充分考虑不同输入、输入与输出之间的潜在关系，基于互信息的输入变量选择算法近年来在回归及分类问题上得到了广泛的应用和发展。本文以输入变量选择算法的3个关键环节，即评价标准、搜索策略和停止准则为线索，从不同角度对基于互信息的过滤式变量选择算法进行了系统的分析与梳理，重点对不同变量评价标准依赖的假设条件进行了数学上的推导和说明。最后总结了其发展规律，可为后续研究尤其是建立空间环境预测模型提供借鉴。     

碰撞风险评估中的空间环境激励图方法

因航天器物理特征、空间环境扰动变化、预报技术和大气模型性能等既有不确定因素的存在，空间目标碰撞概率等与轨道预报相关的评估工作存在模糊度问题，无法准确描述碰撞风险水平。文章基于碰撞概率极值，简化气动力误差模型，量化计算轨道预报相关事务的边界；提出空间环境激励图和3σ区的概念，并给出具体实施方法以及空间碎片碰撞预警、空间物体陨落预报的计算示例。计算结果表明，该方法能较好应对轨道预报相关事务中的模糊度问题，可为相关航天工程实践和决策提供参考。