基于集成学习的空间科学卫星工作模式识别

针对空间科学卫星遥测参数数据量大且特征维度高、需要消耗大量人力资源预先设置海量阈值、预先设置的阈值可能不再适用、现有监测手段可扩展性低等问题,提出了一种基于集成学习的空间科学卫星工作模式识别方法。该方法采用相关系数统计特性和互信息理论对遥测参数数据进行筛选降维,使用数据重采样技术解决数据集中存在的类别不平衡问题,构建集成学习模型,实现空间科学卫星工作模式的识别。借助某型号科学卫星真实遥测参数数据对该方法进行验证,在短时内便可构建完成算法模型,模型对整体类别的识别正确率高达99.67%,可正确识别多数类样本和少数类样本,为地面运控人员判断空间科学卫星工作模式提供了决策依据。

基于Flink的空间科学卫星数据实时处理方法

为满足地面数据处理系统高吞吐率、低延迟地处理空间科学卫星下行数据的需求,提出一种基于流式计算的空间科学卫星下行数据实时处理方法。方法借助消息中间件Kafka的分区实现数据分流,分流后的数据依次流入Flink集群中的并行单元实现并行处理。使用GECAM空间科学卫星下行数据进行仿真,结果表明,上述方法具有较高的吞吐率和较低的延迟,并且可以通过扩展服务器数量实现更高吞吐率和更低延迟,满足空间科学卫星下行数据的高速实时处理需求。