基于非线性自回归神经网络的局部大气密度预测方法

由于现有大气密度模型精度不足,在对低轨卫星定轨和轨道预报时容易产生较大误差,而观测手段的缺乏以及对高层大气物理机理缺乏足够了解给大气密度模型的建立带来了一定的困难.提出了利用神经网络来建立大气密度预测模型.首先,利用两行轨道根数对NRLMSISE-00大气模型校准得到沿轨道的局部化密度模型,然后基于非线性自适应回归神经网络(NARX)构建大气密度预测模型.该模型主要结合校准后MSIS模型以及太阳与地磁活动指数来预测未来一段时间内局部大气密度.将该模型应用于不同的卫星轨道数据,进行了多个时间段的模拟试验.与卫星实测密度的比对结果显示,相对于MSIS密度模型,该模型的预测误差有了一定的减小,为提高低轨卫星短期轨道预报精度提供了思路.