Využití strojového učení pro predikci trajektorie těles na nízké oběžné dráze

Abstract

Přesné orbitální predikce orbit satelitů na nízé oběžné dráze Země jsou nezbytné pro každodení provádění operací, tak aby se předešlo jejich srážkám. Tato práce se zaměřuje na analýzu histrorických dat trajektorií, tvořených z klacických dráhových elementů. S využitím strojového učení, data jsou sdružena, zpracována a na závěr užita pro predikci dráhy orbity. Nejlepších výsledků předpovědí bylo dosaženo s neuronovou sítí s doulodobou a krátkodobou pamětí (LSTM).Precise orbital predictions are vital for every-day Low Earth orbit satellites operations to evade collision. The study aims to analyse historical trajectory data in a form of the classical orbital elements. By leveraging machine learning, data are aggregated, processed and finally used for orbit prediction. The best forecast results have been achieved using Long Short-Term Memory Neural Network.