基于卫星图像时间序列连续异常检测方法优缺点

本文作者依据多年工作经验,对卫星图像时间序列连续异常检测方法优缺点进行了研究分析,以便和同行切磋与交流。

时间序列模型在卫星异常检测中的应用研究

随着国内航天事业的迅猛发展,在轨卫星数量不断增多。以中科院空间科学先导专项为例,自2015年12月暗物质粒子探测卫星发射以来,先后有实践十号返回式科学卫星、量子科学实验卫星以及硬X射线调制望远镜卫星成功发射,未来还会有中法天文卫星、太阳风-磁层相互作用全景成像卫星等一系列的卫星任务,而卫星异常检测是保证卫星正常在轨运行的基础。文中利用卫星遥测参数的时间特性,以暗物质粒子探测卫星和量子科学实验卫星在轨运行一年多的时间里所产生的卫星遥测数据为基础,结合中科院空间科学先导专项实际空间科学卫星运控任务背景,对卫星有效载荷的异常检测进行实验研究,提出了一种基于时间序列模型的卫星有效载荷异常检测方法,并利用自回归滑动平均(AMRA)算法进行实验验证,挖掘卫星历史遥测数据和历史异常信息的关系,得到了较好的验证结果,为空间科学卫星健康有效的在轨运行提供了一定的支撑和辅助决策作用。

遥测伪周期时间序列子序列异常检测算法

针对现有异常检测算法用于伪周期时间序列异常序列检测时易造成误差累积,导致序列周期与特征值上显著差异的不足,文章以卫星遥测伪周期时序数据为对象,综合两种常规分段方法的优势,提出了最大周期窗宽内基于极值的模式子序列分段算法。在此基础上,给出了一种基于均序列动态生成模型的子序列异常检测方法(Anomaly Subsequence Detection method based on Optimized Sequence Model,ASD_OSM),并采用2次四分位距准则(Double Quantile ranges criterion,2Q准则)设置距离检测门限阈值,将超出阈值的序列判定为异常序列。某航天器传感器遥测子序列异常检测试验结果表明,提出的检测方法能够有效减少漏判,提高卫星遥测伪周期数据异常序列检测的准确性。

谐波改进的植被指数时间序列重建算法

提出一种基于傅里叶谐波分析的改进算法,引入异常值检测算法,检测拟合过程中的异常值,增加数据拟合的真实性;迭代前动态估算出待处理序列点的峰值个数(即频数),解决整个区域预设单一频数的不合理性;引入拟合影响因子,自动控制迭代终止条件,避免传统方法中人为设置阈值导致的不确定性。利用2003年华北平原MODIS_EVI时间序列图像验证表明,较之HANTS算法,改进算法能够有效修正噪声污染像元值,修正后的EVI时序曲线更能反映地物内在的物候变化规律,并能够更好地保真原始曲线上的特征(点),如作物EVI最大值、最小值出现的时间和大小关系。

卫星钟差异常值探测的Bayesian方法

顾及钟差的物理特性,提出了一种新的卫星钟差时间序列异常值探测方法.利用二次多项式模型将卫星钟差分解为钟差、钟速、钟漂三个物理意义明确的分量,然后对每个分量通过ARIMA模型异常值探测的Bayesian方法进行异常值探测与估计.最后,采用IGS钟差数据进行实验,验证了该方法的有效性.

基于静止卫星红外云图的MCS自动识别与追踪

由于缺乏成熟的中尺度对流系统(MCS)自动追踪工具,使基于静止卫星红外云图的MCS研究的深度和广度受到制约。手工目测法识别追踪MCS,工作量大且容易造成误差,无法用于长时间序列卫星云图的MCS普查。该文结合我国中尺度对流天气的特点,在重新定义MCS云团识别标准的基础上,给出了一种基于图像处理和时间序列分析技术的MCS自动识别、存储、追踪和时间序列特征统计方法。通过对2003年淮河大水期间连续时次卫星云图的MCS自动识别、追踪和特征统计,对该方法的应用效果进行了检验,结果表明:该方法不仅能对每个时次的MCS进行快速识别,同时也能对多时次的MCS进行有效追踪。

基于Seq2Seq和Attention的时序卫星云图台风等级预测

台风预测可为台风预警预报提供先验信息,辅助相关部门进行科学决策,以减少灾害损失。利用时间序列台风卫星云图,提出一种新的台风等级预测模型SeqTyphoon,将注意力机制和序列到序列引入模型预测未来时刻台风图像,然后利用卷积神经网络对预测的台风图像进行台风等级预测。通过日本气象厅发布的1981—2017年3万多张时序台风卫星云图,构建了训练集、验证集和测试集,分别对应29519、3804、1995张台风图像。针对SeqTyphoon模型,分别进行了台风云图的不同时间间隔、不同预测时长及不同空间分辨率对台风图像预测精度影响的对比实验。实验结果表明,台风云图均为32像素×32像素,时间间隔为6 h比时间间隔为12 h的训练集和验证集的均方根误差分别降低5.41%、5.72%,前者训练集的均方根误差达到0.0922,验证集为0.0954,前者台风等级预测准确率为后者的2倍;台风云图为32像素×32像素,时间间隔为6 h时,预测未来6~48 h的台风图像,训练集和验证集的均方根误差均递增,台风等级预测准确率递减;时间间隔为6 h,图像为64像素×64像素的训练集的均方根误差为0.0896,验证集为0.0911,台风等级预测总体准确率为83.2%。综上,影响台风图像的最主要因素是相邻台风云图的时间间隔,其次是预测时长与空间分辨率大小。

利用静止卫星窗区红外亮温反演晴空区风场的初步研究

云导风反演明显的局限是在晴空区无法获取风场。为克服这种局限,提出利用静止卫星红外图像资料反演晴空区风场的方法——时间序列差值法,利用LOWTRAN7对其进行可行性分析,并应用云导风实验系统CW IS进行晴空区导风实验。结果表明:实验结果与NCEP资料低空风场有较好的一致性。因此,在传统的"云导风"基础上,增加晴空区卫星导风,可为卫星遥感资料在台风、梅雨和强对流等天气系统分析预报中的定量应用提供更多的卫星风矢。

基于趋势符号聚合近似的卫星时序数据分类方法

作为在时间序列数据挖掘中广泛使用的主要符号化表示方法,符号聚合近似(SAX)使用段的平均值作为符号表示,由于无法区分具有不同趋势但具有相同平均值符号的不同时间序列,某些情况下可能会导致错误的分类。提出了一种改进的符号表示——趋势符号聚合近似(TrSAX),集成SAX与最小二乘法,用以描述时间序列的均值和斜率,并由此构建出BOTS分类器。此外,对卫星的模拟量遥测时序数据中的角度序列、转速序列、电流序列进行分析,并从UCR公开数据集中筛选出与3种序列类似的3个数据集进行分类实验验证。与应用了SAX和2个改进的SAX、经典的欧氏距离(ED)、动态时间规整(DTW)的1-NN分类方法进行对比,结果表明:提出的BOTS分类方法的分类错误率明显低于其他5种分类方法。

卫星遥感应用于地震学概述

一、卫星遥感应用中与地震有关的参数遥感应用于地震研究开始于上世纪70年代.它最开始应用于构造地质和地貌研究,将活性断层标注在遥感图像上.然而这种方法在进行时间序列分析时会受到限制,因为不能测量到震前和震后短时期的过程,仅仅是对航拍图像进行地质判读.当前,这种方法结合了活动构造分析和比对分析,可以在震前和震后对地球表面的分布按时间序列进行比对.

卫星激光测距系统的异常检测及其稳定性监测

针对卫星激光测距系统(SLR)的稳定性问题,该文分析了北京房山kHz地靶观测数据,根据系统延迟的统计信息构建异常辨识统计量,剔除异常数据。地靶有效数据在一个较小的范围内集中,变化幅度0.25ns左右;分析了单次系统延迟变化在0.2ns左右;通过ARMA时间序列分析方法,确定2018年北京房山SLR系统延迟的变化规律,建立SLR系统延迟变化的预报模型;最后,根据预报模型,对系统延迟进行短期预报,以检测SLR系统异常,实现对SLR系统运行稳定性监测的目的。

寻找打开地震预报大门的钥匙

地震预报尤其是临震预报,是当今国内外公认的世界性难题。对于这个复杂的问题,需要改变我们的思维模式和探测手段来寻找突破口。笔者认为,不管地震成因和地质构造是多么复杂和不可知性,但作为临震前兆的地温突升现象却是单纯的,是容易被捕捉的一个物理量。