预测火星快车航天器热功耗的机器学习方法
机器学习
2019-08-12 v2 机器学习
摘要
火星快车（MEX）航天器的热子系统将机载设备保持在其预定义的工作温度范围内。为了规划和优化 MEX 的科学操作，其操作员需要尽可能准确地提前估算热子系统的功耗。剩余功率可分配给科学用途。我们提出了一种机器学习流水线，用于高效构建准确的预测模型，以预测 MEX 机载热子系统的功率。特别地，我们采用最先进的特征工程方法转换原始遥测数据，进而用于通过不同的最先进机器学习方法构建准确模型。我们表明，所提出的流水线在 time efficiency 和预测性能方面显著改进了我们之前（竞赛获胜的）工作。此外，在取得优越预测性能的同时，所构建的模型还提供了对航天器行为的重要洞察，可用于进一步分析和 MEX 操作的最优规划。
引用
@article{arxiv.1809.00542,
title = {Machine learning for predicting thermal power consumption of the Mars Express Spacecraft},
author = {Matej Petković and Redouane Boumghar and Martin Breskvar and Sašo Džeroski and Dragi Kocev and Jurica Levatić and Luke Lucas and Aljaž Osojnik and Bernard Ženko and Nikola Simidjievski},
journal= {arXiv preprint arXiv:1809.00542},
year = {2019}
}