پیش بینی بردار حالت مداری ماهواره با استفاده از سری های زمانی و شبکه های عصبی

نویسنده:
پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در این مقاله روشی نوین برای پیش بینی موقعیت مداری ماهواره با استفاده از سری های زمانی و شبکه های عصبی معرفی شده است. در این روش، بر خلاف روش های معمول پیش بینی مدار، از قوانین کپلر استفاده نشده و از قدرت پیش بینی سری های زمانی در شبکه های عصبیبرای پیش بینی موقعیت مداری استفاده شده است. مهمترین مزیت روش پیشنهادی نسبت به روش های موجود، در استفاده از داده های واقعی است. چرا که روش های موجود عموما با ساده سازی روابط و نیز حذف برخی از اغتشاشات معمولا دارای خطا بوده و استفاده از معادلات بازگشتی نیز بطور افزاینده ای این خطا را افزایش می دهد. در دسترس ترین داده واقعی، TLE بوده و دقت آنها نیز در پژوهش های مختلف به اثبات رسیده است. لذا در روش پیشنهادی استفاده از این داده ها در دستور کار قرار گرفته است. نتایج شبیه سازی و مقایسه این روش با الگوریتم SGP4 و داده های واقعی، نشان از کارآمدی روش پیشنهادی دارد.
زبان:
فارسی
صفحات:
47 تا 61
لینک کوتاه:
magiran.com/p1929580 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!