پيش‌بيني موقعيت مداري ماهواره با استفاده از داده‌هاي مشاهداتي و شبكة عصبي

Satellite Orbit Prediction Through Observation Data and the Artificial Neural Networks

در اين مقاله هدف ارائة ديدگاه متفاوتي در مبحث پيش‌بيني موقعيت مداري ماهواره است. ديدگاه روش‌هاي فعلي ديدگاه جزئي‌نگر است كه عوامل مؤثر را به‌صورت مجزا به محاسبات اعمال مي‌كند. اين روش‌ها مبتني‌ بر معادلة حركت كپلري و مهم‌ترين اغتشاشات وارد به ماهواره مي‌باشند. ديدگاه پيشنهادي اين مقاله ديدگاه كلي‌نگر است كه ديدگاه متفاوت و نويني در اين مبحث به‌شمار مي‌آيد. اين روش با استفاده از داده‌هاي مشاهداتي و هوش مصنوعي محقق مي‌شود كه به‌صورت غير­مستقيم و ضمني معادلة حركت كپلري و تمامي اغتشاشات موجود -چه آن‌هايي كه قابل مدل‌سازي بوده و چه آن‌هايي كه هنوز امكان مدل‌سازي ندارند- در محاسبات اعمال مي‌شود. اين روش علاوه‌ بر داشتن مزيت‌هاي روش‌هاي موجود، مزيت‌هاي ديگري هم دارد. مهم‌ترين مزيت اين روش عدم نياز به محاسبة مدل‌هاي اغتشاشات مداري است. با استفاده از اين روش به نتيجه‌هاي قابل قبولي رسيده‌ايم به‌طوري‌كه در پيش‌بيني چهارده روز براي المان‌هاي دو خطي، ميانگين درصد خطا در حد 0/1 درصد و كمتر بوده است و براين باور هستيم كه مي‌توان به نتايج بهتري نيز رسيد.

In this study, a different approach to the prediction of satellite position is introduced. All methods are based on the Kepler’s laws of planetary motion and the orbital perturbations such as the Earth’s oblateness, atmospheric drag, third-body perturbation and the solar-radiation pressure. All these perturbations are modeled and are included separately in the equation. However, this paper offers a new view of the prediction which suggests the use of artificial neural networks and observation data. The advantage of this method is based on the usage of observation data, so that all disturbances are taken into account and there is no need to use perturbation models. For this reason, the use of the TLE as the most reachable actual data is considered. Comparison of the output of this method with actual data shows the accuracy of the proposed method which is very high.