基于Bi-LSTM神经网络的大气阻力系数预测

来源：大地测量与地球动力学杂志2024年第11期北京时间：

作者：陈祥, 戴吾蛟, 张梦晨, 边朗, 唐成盼, 李凯

单位：1 中南大学地球科学与信息物理学院，长沙市麓山南路932号，410083,2 中国空间技术研究院西安分院，西安市韦曲西街150号，710000,3 中国科学院上海天文台，上海市南丹路80号，200030

摘要：大气阻力难以精确建模，是低轨卫星精密定轨与轨道预测最大的动力学误差源。定轨处理时考虑利用时变的大气阻力系数(CD)来吸收大气阻力模型误差，从而获得较好的轨道拟合结果。然而由于缺少精确的建模方法来反映CD参数的时变特征，导致轨道预报误差逐渐发散。针对该问题，提出基于Bi-LSTM神经网络预测CD参数的轨道预报方法。首先通过动力学定轨方法解算GRACE-C卫星(GRCC)和Sentinel-3A卫星(SN3A)长期的CD参数序列，然后采用Bi-LSTM神经网络方法进行CD参数预测。结果显示，GRCC和SN3A卫星CD预测值的MAE均值分别为0.030 2和0.077 4，RMSE均值分别为0.041 6和0.101 8。将CD参数预测结果运用到两颗卫星4组轨道预报实验中，结果表明，GRCC卫星预报7 d的最高平均精度为12.28 m，平均精度提升率均在90%以上；SN3A卫星最高平均精度为16.00 m，平均精度提升率最高可达74.82%。

关键词：神经网络,大气阻力系数,低轨卫星,轨道预测

基金资助：国家自然科学基金(12103077)