Система аналізу та прогнозування орбітальних параметрів супутників із використанням машинного навчання
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Обсяг роботи: 86 сторінок, включаючи 8 рисунків, 19 таблиць, 2 додатки, використано 15 джерел за переліком посилань.
Сучасна космічна галузь потребує високоточних рішень для моніторингу та прогнозування орбітальних параметрів супутників, що забезпечують безпеку навколоземного простору та ефективність телекомунікаційних систем. Використання машинного навчання дозволяє адаптуватися до змін у траєкторії руху супутників, підвищуючи точність короткострокових прогнозів. Дослідження відповідає пріоритетам цифровізації космічної інфраструктури, передбаченим міжнародними програмами. Розкриття сутності та стану розв’язання проблеми. Наукова проблема прогнозування орбітальних параметрів супутників залишається актуальною через обмеження класичних моделей, таких як SGP4, у довгостроковому прогнозуванні. Дослідження зосереджене на створенні інтелектуальної системи, що поєднує класичні аналітичні моделі з алгоритмами машинного навчання для побудови адаптивних прогнозів на основі TLE-даних. Мета: Розробити систему для аналізу та прогнозування орбітальних параметрів супутників із використанням машинного навчання та засобів візуалізації. Завдання:
1. Аналіз існуючих моделей прогнозування орбіт супутників.
2. Розробка архітектури інтелектуальної системи прогнозування.
3. Реалізація модулів збору, обробки та нормалізації TLE-даних.
4. Побудова та навчання LSTM-моделі для прогнозування орбітальних параметрів.
5. Створення веб-застосунку з підтримкою 3D-візуалізації траєкторій.
6. Порівняння точності ML-прогнозу з класичною моделлю SGP4.
7. Формулювання рекомендацій щодо вдосконалення системи.
Об’єкт дослідження: Орбітальний рух штучних супутників Землі. Предмет дослідження: Методи прогнозування та візуалізації орбітальних параметрів на основі TLE-даних із використанням машинного навчання. Методи дослідження: Застосовано методи аналізу часових рядів, комп’ютерного моделювання, машинного навчання (LSTM), порівняльного аналізу, візуалізації даних. Наукова новизна одержаних результатів:
1. Розроблено архітектуру системи прогнозування орбітальних параметрів із використанням ML.
2. Реалізовано LSTM-модель, що забезпечує підвищену точність короткострокового прогнозу.
3. Створено веб-застосунок з інтерактивною 3D-візуалізацією траєкторій супутників.
Практичне значення одержаних результатів: Розроблена система дозволяє підвищити точність прогнозування орбітальних параметрів, знизити ризики зіткнень у космосі та забезпечити наочне представлення траєкторій супутників. Вона може бути інтегрована в платформи моніторингу космічної інфраструктури та використана в освітніх, наукових і прикладних проєктах.
Опис
Ключові слова
супутники, орбіта, прогнозування, машинне навчання, LSTM, TLE, SGP4, візуалізація, satellites, orbit, prediction, machine learning, visualization
Бібліографічний опис
Бражник, Б. О. Система аналізу та прогнозування орбітальних параметрів супутників із використанням машинного навчання : магістерська дис. : 172 Електронні комунікації та радіотехніка / Бражник Богдан Олександрович. – Київ, 2025. – 85 с.