航天器热平衡试验中平衡温度的预测

利用航天器热实验的测点数据，采用最小二乘非线性回归来预测热平衡温度。结果表明，当工况进行到一定时间后，测点温度随时间的将进入稳定的指数规律，最小二乘非线性回归有可有效地预测热平衡温度，回归数据的选取对预测结果有影响。     

基于LSTM循环神经网络的故障时间序列预测

有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆（LSTM）循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。      

利用AE指数重构磁层相空间—对存在问题的讨论

1引言由于磁层的物理过程受到太阳风到电离层诸多过程的影响并包含了许多空间和时间尺度，因此磁层是个相当复杂的系统．人们希望通过新的非线性科学理论了解这一系统的基本参数．因而许多学者纷纷用目前能较好反映磁层活动的极光电集流指数AE（或AL）及常用的相空间重构方法对磁层进行研究．他们利用不同时间段的AE指数和GP方法I’域SVD法l’］得到的吸引子的关联维在2－4之间，因此，认为磁层是一个具有低维吸引子的动力学系统．然而有人用修正的QP法l’］详细计算了多个时间段AE指数的关联维，发现计算的关联继大小依赖于磁层的活…     

一种电离层TEC格点预测模型

基于分析时间序列数据的门限控制单元（GRU）神经网络模型,利用电离层TEC网格点历史数据、太阳活动指数、地磁活动指数作为预测因子,提出一种高精度电离层TEC格点预测模型.对全球60个网格点的数据进行了模型预测和对比实验,得到北半球平均相对精度的均值为83.96%,高于南半球的73.60%,表明预测模型在北半球的适应性更好,且中低纬地区的适应性优于高纬地区;预测模型在磁扰动期的平均相对精度的均值比磁平静期平均相对精度的均值高,约1.95%;与基于递归神经网络（RNN）、长短时记忆网络（LSTM）和双向长短时记忆网络（Bi-LSTM）的电离层TEC单站预测模型相比,本文预测模型的均方根误差（RMSE）平均为原来的80.8%.      

一种新的快速衰落信道非线性预测算法

快速衰落信道预测是实现快速资源配置和快速自适应调制等容量提升技术的重要途径.为解决快速衰落信道参数预测问题,对系统输出的低维标量时间序列,利用坐标延迟理论,重建系统的高维相空间,从而获得比标量时间序列更多的系统信息,进而采用递归最小均方支持向量机在这一高维空间中进行回归预测.具有局部可预测性的高斯带限过程可对快速衰落信道特性进行准确的描述是该预测算法的前提,另外从非线性动力学的角度讨论了快速衰落信道的可预测性.仿真结果表明该算法适于进行较大时间范围的预测,是进行衰落信道非线性预测的有效途径.     

BPL长波附加二次相位因子采集与建模

分析了长波BPL授时传播误差,设计了一个定点附加二次相位因子(ASF)传播误差数据实时采集系统。对误差模型进行了系统辨识研究,研究结果表明定点附加二次相位因子(ASF)误差基本属于平稳随机过程。并运用时间序列分析方法对BPL长波传播中附加二次相位因子(ASF)进行研究,取得初步模型数据,得到一些有益的结论,为获得的模型数据为进行ASF误差的预测及扣除其对长波BPL授时影响,提高授时精度的研究提供了依据。     

利用BP神经网络预测AE指数

采用的预报模式是一种全连接的BP网络模型,利用太阳风及行星际磁场的观测数据预报AE指数.神经网络输入选用ACE卫星数据,取5 min平均值,通过比较,选用4个预报参量.构造了预报参量时续为20 min,40 min和60 min依次递增的三个网络,分别进行训练和预测,并对行星际参量对AE指数影响的时续性进行了探讨.预报结果表明,全连接BP神经网络在AE指数的短期预报中是比较有效的,同时还提出了需要进一步改进的环节.      

ARIMA-SVR组合模型在卫星遥测参数预测中的应用

为辅助卫星在轨运行提供决策分析支持，结合卫星遥测参数的时间序列特性，利用一种ARIMA-SVR组合预测方法，通过对卫星遥测参数进行预测，判定实际遥测数据是否处于正常范围。该组合模型利用ARIMA模型对预处理后的数据进行线性拟合，并利用SVR模型对数据的非线性部分进行补偿。以KX09卫星星敏A的温度遥测数据为基础，分别利用组合模型对短期及中期星敏A温度进行预测，得出短期和中期均方根误差（RMSE）分别为0.768和0.968，相比单一ARIMA模型，短中期RMSE分别提高46.2%和16.4%。此外，对该卫星陀螺B的x轴角速度进行了短中期预测:短期预测中，组合模型比单一ARIMA模型的RMSE提高71.2%；中期预测中，组合模型比单一ARIMA模型的RMSE提高64.2%。实验结果表明，ARIMA-SVR组合模型为保证卫星在轨正常运行提供了有效的决策分析支持。      

奇异谱分析在故障时间序列分析中的应用

由于日益增长的飞行安全和飞机维护质量需求,飞机使用可靠性已经成为一个重要的研究领域。从某航空公司波音737飞机使用过程中现场所记录的18年的故障数据出发,应用奇异谱分析（SSA）方法,对故障时间序列进行了建模和预测,进一步以预测结果的均方根误差（RMSE）最小为优化目标对SSA模型参数进行了优选。在此基础上,提出了一种更为广泛的模型组合方法和实现算法,这种方法采用不同的时间序列模型来构造SSA分解出的趋势、周期和残差等成分。通过与三次指数平滑（Holt-Winters）、自回归移动平均（ARIMA）2种时间序列模型的实验结果对比,SSA及其参数优选和模型组合方法在故障时间序列分析中具有更好的拟合和预测精度。      

多源数据融合的民航发动机修后性能预测

针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8.3%。      

GEO轨道相对论电子日积分通量预报统计建模

基于辐射带相对论电子哨声波局地加速理论,将地磁AE指数作为源电子通量和通量各向异性的指标,将地磁Dst指数作为损失机制的指标,利用滑动窗口线性滤波器方法,建立了一个地球静止轨道大于2MeV相对论电子预报模型.利用该模型开展了2000-2009年地球静止轨道相对论电子通量预报试验.研究发现,这10年总预报效率为0.818,2003年的预报效率（0.633）最低,2009年的预报效率（0.856）最高.模型预报效果与持续模型相比有很大提高,略低于利用太阳风参数作为输入的同类预报模型的预报效果.这说明即使在缺少太阳风参数的情况下,该模型利用地磁扰动参数也能取得较好的预报效果.当模型输入参数增加了太阳风速度时,即综合考虑了行星际扰动和磁层扰动对辐射带粒子加速过程的影响,模型逐年的预报效率进一步提升.其中,2005年的预报效率提升了9.5%,这10年的总预报效率增加到0.848,预报值与实测值之间的线性相关系数为0.918,均方根误差为0.422.      

基于预测滤波的捷联惯导任意双位置对准方法

针对捷联惯性导航系统(SINS,Strapdown Inertial Navigation System)在大失准角情况下的初始对准问题,建立基于加性四元数误差模型的非线性滤波方程,并提出一种基于模型预测滤波(MPF, Model Predictive Filter)与扩展卡尔曼滤波(EKF, Extended Kalman Filter)相结合的地面任意双位置初始对准方法.该方法将部分惯性器件误差作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,并克服了将模型误差假设为高斯白噪声的局限性.半物理仿真结果表明,该方法有效提高了SINS姿态误差角的估计精度,而且也降低了系统状态变量的维数,提高了对准解算的实时性.      

距离相关系数融合GPR模型的卫星异常检测方法

卫星在轨运行期间，遥测数据表现形式通常为多维时间序列。高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限，及时发现隐藏在工程阈值内的故障征兆，但是高维卫星数据使得GPR模型具有局限性。因此，为获取与多个遥测参数相关的动态门限，在GPR模型的基础上，融合距离相关系数对预测变量进行选择，减少信息冗余和计算量，提高模型的可解释性，并估计模型的泛化误差以设置更合理的预测区间，提高模型的泛化能力，检测数据流的持续异常。对实际在轨卫星数据进行仿真实验，验证了距离相关系数融合GPR模型的卫星异常检测方法可以在卫星故障早期检测到数据异常，而且提高了模型的预测性能，降低了虚警率。      

High accuracy satellite drag model (HASDM)

The dominant error source in force models used to predict low-perigee satellite trajectories is atmospheric drag. Errors in operational thermospheric density models cause significant errors in predicted satellite positions, since these models do not account for dynamic changes in atmospheric drag for orbit predictions. The Air Force Space Battlelab’s High Accuracy Satellite Drag Model (HASDM) estimates and predicts (out three days) a dynamically varying global density field. HASDM includes the Dynamic Calibration Atmosphere (DCA) algorithm that solves for the phases and amplitudes of the diurnal and semidiurnal variations of thermospheric density near real-time from the observed drag effects on a set of Low Earth Orbit (LEO) calibration satellites. The density correction is expressed as a function of latitude, local solar time and altitude. In HASDM, a time series prediction filter relates the extreme ultraviolet (EUV) energy index E_10.7 and the geomagnetic storm index a_p, to the DCA density correction parameters. The E_10.7 index is generated by the SOLAR2000 model, the first full spectrum model of solar irradiance. The estimated and predicted density fields will be used operationally to significantly improve the accuracy of predicted trajectories for all low-perigee satellites.     

基于机器学习相似度算法的Kp指数预报

基于机器学习中的相似度算法,建立了在历史太阳风数据中寻找与当前太阳风特征相近事例的推荐模型,用来预报地磁Kp指数.使用1998-2019年间随机选择的120个太阳风事例作为测试数据集,该模型能够推荐得到历史上与输入太阳风造成相似地磁影响的太阳风事例,最优事例的Kp指数与实际值的均方根误差为0.79,相关系数为0.93....     

冰雪天气下基于MFOA-KELM残差修正的跑道温度混合预测

道面温度短时精准预测是跑道积冰预警的关键因素之一, 为了解决单一机理预测模型随预测时间延长而造成误差累积的问题, 提出了一种冰雪天气下跑道温度混合预测方法。将跑道温度机理预测模型与核极限学习机(KELM)相结合, 建立一种数据驱动修正残差的跑道温度机理预测模型。针对果蝇优化算法(FOA)收敛速度慢、易陷入局部最小值的问题, 引入权值更新函数和距离扩充因子, 调整果蝇的全局寻优效果, 避免陷入局部极小值。利用改进的果蝇优化算法(MFOA)对KELM的正则化参数与核参数联合优化, 以冰雪天气下跑道温度实际数据为例, 建立基于改进果蝇优化核极限学习机(MFOA-KELM)的跑道温度混合预测模型, 并在不同时间尺度下对该混合预测模型进行仿真测试。实验结果表明:与单一机理预测模型相比, 当预测时长为120 min时, MFOA-KELM混合预测模型的平均绝对误差至少减小了61.43%, 在残差阈值为±0.5℃时, 平均预测准确率为91.25%。可见, MFOA-KELM混合预测模型具有更高的预测准确性, 研究结论显示该混合预测方法能够为机场跑道温度短时精准预测提供新思路。      

亚暴起始地磁指数判断的统计研究

利用2004年地磁西向电急流 AL指数, 亚暴电急流AE指数和场向电流AF指数来确定亚暴起始, 并与2004年亚暴极光起始进行对比. 研究发现, 如果以极光亚暴起始为时间零点, 亚暴的西向电急流AL起始和电急流AE起始主要分布于-5~+6 min的时间范围内, 但在-9~+9 min的时间范围内也有个别事例. 场向电流 AF 起始分布较宽, 可以分布于-8~+7 min的时间范围内. 平均西向电急流AL起始, 电急流AE起始和场向电流AF起始分别为0.5, 0.5, -0.1min. 通常西向电急流AL起始与极光起始同时的概率最高, 而多数情况下电急流AE起始和场向电流AF起始提前极光起始1min. 这些地面磁场指数确定的亚暴起始分布, 随着亚暴强度的增大(即最小AL指数减少, 最大AE指数增大, 最大AF指数增大)而向极光亚暴起始靠近. 对于5个超级亚暴来说, 其西向电急流AL起始和电急流AE起始都发生在极光起始之前. 这些结果说明对于大亚暴, 电急流的增加要早于极光爆发.      

武汉地区电离层电子浓度总含量的统计经验模式研究

由武汉电离层观象台一个太阳黑子周期（1980-1990年）的实测电离层电子浓度总含量（TEC）资料，统计分析得出了武汉地区的一个TEC经验模式，模式很好地再现了武汉地区的TEC观测值，其预测误差在太阳活动高年稍太，低年较小；在春秋两季稍大，冬夏两季较小；在当地时间白天和傍晚稍大，夜间和早晨较小。此外，与国际参考电离层模式IRI的计算结果比较，本模式预测的TEC值更接近于实际观测结果，同时，本文也初步探讨了TEC的半年变化特征和冬季异常现象。