基于注意力机制神经网络的遥测数据预测方法

发布时间：2025-03-18 06:07

　　航天器遥测数据是卫星地面应用系统判读星载设备状态的唯一依据。对遥测数据未来变化趋势进行准确预测,是航天器异常检测的有效方法。传统基于滑动自回归平均模型、机器学习的遥测数据预测方法,在以下几个方面存在不足:(1)没有综合考虑与被预测遥测参数有关联关系的其他遥测数据;(2)大多研究聚焦于遥测时间序列的点预测,而现有区间预测方法对区间宽度、区间覆盖率等性能指标考虑不足;(3)对平稳数据预测效果较好,对具有突变特征的遥测预测欠佳。论文在对现有遥测时间序列的点预测、区间预测方法进行充分调研的基础上,针对遥测数据预测的上述缺陷,提出了基于注意力机制的自编码神经网络方法,对遥测数据进行多步点预测和区间预测,并采用先导专项地面支撑系统量子卫星遥测数据进行了实验。论文主要研究内容如下:1)针对卫星遥测数据密度大、变化缓慢等特征,对遥测数据进行预处理。包括对训练数据进行压缩以构造新特征值,使其符合所提预测模型的输入输出要求;采用数据可视化分析方法,对数据进行可视化分析,绘制出箱线图分析原始数据分布的特征;针对量纲不统一的数据进行归一化处理;采用最大信息系数对遥测数据相关性分析,选取对预测目标关联的遥测变量;...

【文章页数】：95 页

【学位级别】：硕士

【部分图文】：

图1.1本文结构框架

基于注意力机制神经网络的遥测数据预测方法16图1.1本文结构框架论文分为五个章节进行讨论，具体安排如下：第一章，绪论。介绍本文的研究背景和意义，归纳总结国内外针对遥测时间序列数据预测方法的研究现状，提出本文的主要研究内容与研究路线。第二章，预测算法研究理论基矗详细介绍遥测时间序列....

图2.1遥测数据变化趋势类型图

第2章预测算法研究理论基础19(c)周期与突变型组合图2.1遥测数据变化趋势类型图图2.1(c)所示为先导专项地面支撑系统量子卫星锂电池电流遥测数据。通过数据变化趋势可以看出，锂电正常时电流值在一定范围内周期性波动，当出现异常时，数据突变。整体表现为非线性的周期性波动，局部为线性....

图2.2AR模型预测流程图

第2章预测算法研究理论基础25图2.2AR模型预测流程图2.2支持向量回归SVR模型给定训练样本Rimm,),(,),,(),,(yyxyxyxD2211,学习一个回归模型)(bxxfT使得模型输出f(x)与真实输出y尽可能接近，、b为待确定的模型参数。支持向量回归模型假设容忍模....

图2.3SVR模型回归间隔带

第2章预测算法研究理论基础25图2.2AR模型预测流程图2.2支持向量回归SVR模型给定训练样本Rimm,),(,),,(),,(yyxyxyxD2211,学习一个回归模型)(bxxfT使得模型输出f(x)与真实输出y尽可能接近，、b为待确定的模型参数。支持向量回归模型假设容忍模....

本文编号：4036123