利用深度学习从轨道与姿态参数预测 AGILE 反符合系统的背景

AGILE 是意大利航天局（ASI）于 2007 年发射的一项太空任务，旨在研究能量范围从 $\sim$20 keV 到 $\sim$10 GeV 的 X 射线和伽马射线现象。AGILE 反符合系统（ACS）探测 50 - 200 keV 能量范围内的硬 X 射线光子，并持续将每个面板的计数率存储在遥测数据中。我们开发了一种新的深度学习（DL）模型，利用卫星的轨道和姿态参数来预测 AGILE ACS 顶面板的背景。该模型旨在学习卫星的轨道调制和自旋调制如何影响 ACS 顶面板的背景水平。该 DL 模型执行回归问题，并在包含超过两千万种轨道参数配置的数据集上使用监督学习技术进行训练。使用测试数据集，我们通过将预测计数率与真实计数率进行比较来评估训练后的模型。结果表明，在考虑卫星的轨道调制和自旋的情况下，该模型能够以 96.7\% 的准确率重建 ACS 顶面板的背景计数率。基于这些有希望的结果，我们正在开发一种异常检测方法，以便在预测计数率与真实计数率之间的差异超过预定阈值时探测伽马射线暴。