预测卫星与空间碎片碰撞概率的贝叶斯机器学习方法
机器学习
2023-11-20 v1
摘要
由于空间活动增加，近地轨道空间正变得愈发拥挤。如此密集的空间环境增加了空间物体间碰撞的风险，危及整个空间种群。因此，卫星运营商显然需要将碰撞规避作为常规操作的一部分。当前流程依赖人工分析师对多次碰撞预警进行分析。然而，随着空间种群持续增长，这种人工方式可能变得不可行，凸显了风险评估自动化的重要性。2019 年，ESA 发起了一项竞赛以研究机器学习在碰撞风险估计中应用的可行性，并发布了一个包含交会数据消息（CDM）序列的数据集以支持真实近距离交会。竞赛结果表明，朴素预测及其变体是该问题的强预测器，这意味着 CDM 可能遵循马尔可夫性质。本文利用整个数据集的一个特征：CDM 中的概率序列，通过基准测试隐马尔可夫模型（HMM）来预测两个在轨空间物体间的碰撞风险，以研究该理论。此外，使用贝叶斯统计推断模型参数的联合分布，从而可开发稳健可靠的概率预测模型，其能在严格理论框架内融入关于问题的物理或先验知识，并提供能恰当反映预测风险准确性的预测不确定性。本工作表明，所实现的 HMM 在某些指标上优于朴素解，这进一步支持了碰撞预警可能为马尔可夫性的观点，并表明这是一种值得深入探索的有力方法。
引用
@article{arxiv.2311.10633,
title = {Predicting the Probability of Collision of a Satellite with Space Debris: A Bayesian Machine Learning Approach},
author = {João Simões Catulo and Cláudia Soares and Marta Guimarães},
journal= {arXiv preprint arXiv:2311.10633},
year = {2023}
}