CN112231929A - 一种基于轨道参数的评估场景大样本生成方法 - Google Patents
一种基于轨道参数的评估场景大样本生成方法 Download PDFInfo
- Publication number
- CN112231929A CN112231929A CN202011205458.2A CN202011205458A CN112231929A CN 112231929 A CN112231929 A CN 112231929A CN 202011205458 A CN202011205458 A CN 202011205458A CN 112231929 A CN112231929 A CN 112231929A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- large sample
- evaluation scene
- parameter
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 211
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005070 sampling Methods 0.000 claims abstract description 64
- 238000013461 design Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 230000001502 supplementing effect Effects 0.000 claims abstract description 11
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000001556 precipitation Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- JXSJBGJIGXNWCI-UHFFFAOYSA-N diethyl 2-[(dimethoxyphosphorothioyl)thio]succinate Chemical compound CCOC(=O)CC(SP(=S)(OC)OC)C(=O)OCC JXSJBGJIGXNWCI-UHFFFAOYSA-N 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开的基于轨道参数的评估场景大样本生成方法,基于评估任务确定评估场景大样本参数及评估场景大样本参数取值范围,评估场景大样本参数包括轨道预设参数和天气参数;根据评估场景大样本参数及参数取值范围,确定每个评估场景大样本参数的抽样数值集合;基于全因子设计模型,根据评估场景大样本参数的个数以及抽样数值集合生成评估场景大样本参数矩阵;基于轨道根数的约束关系,根据轨道预设参数确定和补充评估场景大样本参数矩阵中的每个评估场景大样本参数的轨道要素补充参数;根据评估场景大样本参数矩阵组合轨道预设参数、天气参数、轨道要素补充参数为评估场景大样本。能够简化评估场景大样本参数维度,全面有效覆盖样本,降低样本参数矩阵的规模。
Description
技术领域
本公开属于航天器体系效能评估技术领域,特别是涉及到一种基于轨道参数的评估场景大样本生成方法。
背景技术
航天器体系效能评估是基于各技术指标及其综合指标,按照一定加权算法,描述航天器体系完成任务的能力,预测评估航天器体系对用户需求或任务的满足程度,为合理利用资源提供决策依据。
利用仿真方法实现航天器体系效能评估任务一般流程是首先创建评估场景,再根据场景下的仿真计算结果按照一定的评估准则进行评估指标计算和评价分析。评估任务完成的效果除了与指标选取和综合计算的合理性有关之外,还与场景的配置选取有关。研究中可以通过增加场景样本量的方法,利用多次仿真的结果进行评估计算,并对评估结果进行统计分析,从而提升评估结果置信度,达到评估结果科学客观的目的。
引入场景大样本方式提升航天器体系效能评估置信度,首选需要选择评估场景中可设计因素,确定因素水平,再利用试验设计方法进行样本设计。已有的航天器体系级仿真场景一般是在已有的卫星体系场景下,即必须先确定有限的几种卫星组合并给定卫星的轨道要素数据,样本设计主要考虑环境因素中的气象环境。设计的方法为以云、雨、雾等天气为样本设计因子,各种天气的出现概率为因子水平数,在后续的仿真计算中考虑的是各种天气对卫星及载荷工作的影响概率。采用这种方法设计的评估场景样本解决的是卫星及组合的星下点覆盖基本确定的评估问题,依赖卫星体系设计结果输入,评估任务无法独立运行且评估样本量覆盖性不够;其次,采用这种方法对环境因素进行设计,因子参数很难作用于载荷影响效应计算,不能应用于如季节性、地域性等体系应用效能评估统计分析,导致评估结果难以表征实际应用效果的缺陷。
为了克服上述缺陷问题,直接将卫星的轨道设计参数、以及天气数值作为样本设计因子的作法并不可取。因为常用的卫星轨道设计方法选取的轨道外推模型,需要对6个轨道参数及时间等多个参数进行设计。可以用于表征天气的参数有温度、湿度、风、云、雨、海况等多个类型的一系列参数。直接将轨道设计参数和天气参数作为大样本设计因素会带来样本量巨大,体系设计仿真计算分析工作量过大的缺点问题。
发明内容
有鉴于此,本公开提出了一种基于轨道参数的评估场景大样本生成方法,能够简化评估场景大样本参数维度,在无需预先设计新增卫星及星座方案的情况下,既保证样本全面有效覆盖,又降低样本参数矩阵的规模,对体系效能评估进行科学统计分析。
根据本公开的一方面,提出了一种基于轨道参数的评估场景大样本生成方法,所述方法包括:
基于评估任务确定评估场景大样本参数及评估场景大样本参数取值范围,所述评估场景大样本参数包括评估场景轨道预设参数和评估场景天气参数;
根据所述评估场景大样本参数及评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合;
基于全因子设计模型,根据所述评估场景大样本参数的个数以及所述评估场景大样本参数的抽样数值集合生成所述评估场景大样本参数矩阵;
基于轨道根数的约束关系,根据所述轨道预设参数确定和补充所述评估场景大样本参数矩阵中的每个评估场景大样本参数的轨道要素补充参数;
根据所述评估场景大样本参数矩阵组合所述评估场景轨道预设参数、评估场景天气参数、评估场景轨道要素补充参数为评估场景大样本。
在一种可能的实现方式中,所述根据所述评估场景大样本参数和评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合,包括:
针对所述评估场景大样本的每个参数,根据所述评估场景大样本参数的抽样个数和取值范围,确定所述评估场景大样本参数的抽样数值,组合所述评估场景大样本参数的抽样数值为所述评估场景大样本参数的抽样数值集合。
在一种可能的实现方式中,所述确定所述评估场景大样本参数的抽样数值,包括:
采用均匀分布方法对所述评估场景大样本参数进行抽样,得到所述评估场景大样本参数的抽样数值。
在一种可能的实现方式中,所述轨道预设参数包括轨道半长轴和轨道升交点赤经;所述天气参数包括:风级样本和云类别。
在一种可能的实现方式中,所述轨道要素补充参数包括:轨道倾角、偏心率、近地点辐角和平近点角。
通过基于评估任务确定评估场景大样本参数及评估场景大样本参数取值范围,所述评估场景大样本参数包括评估场景轨道预设参数和评估场景天气参数;根据所述评估场景大样本参数及评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合;基于全因子设计模型,根据所述评估场景大样本参数的个数以及所述评估场景大样本参数的抽样数值集合生成所述评估场景大样本参数矩阵;基于轨道根数的约束关系,根据所述轨道预设参数确定和补充所述评估场景大样本参数矩阵中的每个评估场景大样本参数的轨道要素补充参数;根据所述评估场景大样本参数矩阵组合所述评估场景轨道预设参数、评估场景天气参数、评估场景轨道要素补充参数为评估场景大样本。能够简化评估场景大样本参数维度,在无需预先设计新增卫星及星座方案的情况下,既保证样本全面有效覆盖,又降低样本参数矩阵的规模,对体系效能评估进行科学统计分析。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出了根据本公开一实施例的基于轨道参数的评估场景大样本生成方法流程图;
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出了根据本公开一实施例的基于轨道参数的评估场景大样本生成方法流程图。该方法可以应用于航天器体系效能评估,如图1所示,该方法可以包括:
步骤S1:基于评估任务确定评估场景大样本参数及评估场景大样本参数取值范围,所述评估场景大样本参数包括评估场景轨道预设参数和评估场景天气参数。
基于航天器体系效能评估任务可以单独选择轨道预设参数、或单独选择天气参数、或同时选择轨道预设参数和天气参数,在此不作限定。当基于太阳同步回归轨道作为航天器体系效能评估评估场景大样本生的样本设计对象,因此,选择轨道预设参数和天气参数作为评估场景轨道预设参数。
其中,评估场景轨道预设参数可以包括轨道半长轴和轨道升交点赤经。例如,轨道半长轴a,单位为千米;轨道升交点赤经Ω,单位是度。
天气参数可以包括风级样本和云类别,例如天气参数(α,β),α为风级样本参数抽样,β为云类别参数抽样。其中,风级样本可以包大气中风力强度的体现样本,例如可以为0级、1级、2级、3级、4级、5级、6级、7级、8级、9级、10级、11级和12级等风级。云类别用来表征大气中积云的形状和厚度,例如可以为积云、积雨云、层积云、层云、雨层云和碎雨云等类别。
步骤S2:根据所述评估场景大样本参数及评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合,并得到每个所述评估场景大样本参数的抽样数值集合。
其中,以地球观测的太阳同步回归轨道作为样本设计对象,轨道半长轴a的取值范围取为(adown,aup),即可以为300米~1000米,轨道升交点赤经Ω的取值范围为(Ωdown,Ωup),即可以为0度~360度。
当考虑天气对地观测影响的主要因素有风、云分别与云、雨、雪、雾、海况等之间的对应关系时,风级样本参数α可以为风级的枚举值,如表1所示的风级样本参数与海况天气的对应关系可知,风级样本参数α的枚举值可以为{0,1,…,11,12}。云类别参数β可以为云类别的枚举值,表2示出了云类别参数与天气之间的对应关系中可知,云类别参数β的枚举值可以为{1,2,…,11}。
表1
风级 | 名称 | 风速(m/s) | 海况 | 伴随天气 |
0 | 无风 | 0~0.2 | 无 | 蒸发雾 |
1 | 软风 | 0.3~1.5 | 无 | 辐射雾 |
2 | 清风 | 1.6~3.3 | 小波 | 辐射雾 |
3 | 微风 | 3.4~5.4 | 较大的小波 | 平流雾 |
4 | 和风 | 5.5~7.9 | 小浪 | 平流雾 |
5 | 清劲风 | 8.0~10.7 | 中浪 | 可能伴随降水 |
6 | 强风 | 10.8~13.8 | 大浪 | 可能伴随降水 |
7 | 疾风 | 13.9~11.7 | 大浪 | 可能伴随降水 |
8 | 大风 | 17.2~20.7 | 大浪至巨浪 | 可能伴随降水 |
9 | 烈风 | 20.8~24.4 | 狂浪 | 可能伴随降水 |
10 | 狂风 | 24.5~28.4 | 狂涛 | 可能伴随降水 |
11 | 暴风 | 28.5~32.6 | 异常狂涛 | 可能伴随降水 |
12 | 飓风 | 32.7~36.9 | 能见度0 | 海面充满水沫 |
从表1可知,风力包括0级(无风),海况为无,伴随“蒸发雾”天气,1级(软风),海况为无,伴随“辐射雾”天气,…,12级(飓风),海况为能见度0,伴随“海面充满水沫”天气。
表2
从表2可知,云族分为低云、中云和高云三个云族。低云族对应着积云、积雨云、层积云、层云、雨层云和碎雨云共6个云类别。中云族对应着高层云和高积云共2个云类别。高云族对应着卷云、卷层云和卷积云共3个云类别。其中,积云时,无伴随天气,积雨云伴随着“雷阵雨、冰雹”天气,…,卷积云,无伴随天气。
其中,上述表1和表2中的内容只是仅仅一个示例,不做限定。在实际的航天器体系效能的评估任务时,应根据需要对航天器体系效能的评估场景中的样本参数进行重点关注和对取值范围进行适应性调整。
步骤S2:根据所述评估场景大样本参数及评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合。
在一示例中,所述根据所述评估场景大样本参数和评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合,包括:
针对所述评估场景大样本的每个参数,根据所述评估场景大样本参数的抽样个数和取值范围,确定所述评估场景大样本参数的抽样数值,组合所述评估场景大样本参数的抽样数值为所述评估场景大样本参数的抽样数值集合。且采用均匀分布方法对所述评估场景大样本参数进行抽样,得到所述评估场景大样本参数的抽样数值。
举例来说,评估场景大样本参数中的一个样本参数的抽样个数为q,该样本参数的取值范围为(m,n),则在该样本参数采用均匀分布的情况下,该样本参数的抽样数值可以为{m+(i-1)·(n-m)/q|1≤i≤q,i∈N},通过i赋予不同的值能够得到该样本参数的所有抽样数值,将该样本所有的抽样数值组合起来得到该样本参数的抽样数值集合,其中,m、n为实数,i和q为正整数,N为自然数。
举例来说,由步骤S1可知,太阳同步回归轨道观测航天器体系效能评估场景大样本参数以及各个样本参数的取值范围。以轨道样本参数为例,因地球观测的太阳同步轨道摄动引起的轨道高度波动范围,设定轨道半长轴a的样本集合{ai}有70个样本值,即轨道半长轴a的样本集合{ai}的抽样个数为70,轨道半长轴a的取值范围为300米~1000米,即m=300,n=1000,则轨道半长轴a的抽样数值为ai=m+(i-1)*(n-m)/70,将m=300,n=1000代入得到轨道半长轴a的抽样数值{300+10*i|1≤i≤70,i∈N},逐步遍历i的值能够得到轨道半长轴a的所有抽样数值,将轨道半长轴a所有的抽样数值组合起来得到轨道半长轴a的抽样数值集合。同理,根据载荷幅宽分布范围,设定轨道升交点赤经样本集合{Ωj}有360个样本值,即轨道升交点赤经Ω的样本集合{Ωj}的抽样个数为360个,设定轨道升交点赤经间隔1°,则Ωj=j,1≤j≤360,j∈N,逐步遍历j的值能够得到轨道升交点赤经Ω的所有抽样数值,将轨道升交点赤经Ω所有的抽样数值组合起来得到轨道升交点赤经Ω的抽样数值集合。
依据上述原理,能够依次计算评估场景大样本参数中的每个样本参数的抽样数值集合。例如,风级样本参数α的样本集合为{0,1,…,11,12},抽样个数为13,根据{m+(i-1)·(n-m)/q|1≤i≤q,i∈N}能够得到风级样本参数的抽样数值集合。同理,云类别参数β的样本集合为{1,2,…,11},抽样个数为11,得到风级样本参数的抽样数值集合。
步骤S3:基于全因子设计模型,根据所述评估场景大样本参数的个数以及所述评估场景大样本参数的抽样数值集合生成所述评估场景大样本参数矩阵。
由于评估场景大样本参数的各个样本参数的抽样数可能不等,试验设计方法一般是指评估场景大样本参数的取样间隔不等的试验设计,且评估场景大样本参数各样本参数之间不存在明显的主效应样本参数和交互效应样本参数,本公开的评估场景大样本可以采用完全因子试验设计方法。当然,试验设计方法模型还可以均匀设计、正交设计、拉丁方设计等多种设计方法,在此不作一一限定。
如果评估场景大样本参数有j个样本参数,根据实际的需要,评估场景大样本参数的各个样本参数的抽样数值集合含有的抽样数值分别为q1,q2,…,qj个,则评估场景大样本参数的所有样本参数的抽样数值组合共有Q个,Q=q1*q2…*qj,则评估场景大样本参数的样本参数矩阵是Q*j维的矩阵,其中,j和Q为正整数。以太阳对地同步轨道观测航天器体系效能评估场景大样本参数为例,轨道半长轴a的抽样数为70,轨道升交点赤经Ω的抽样数为360,风级样本抽样数为13,云类别抽样数为11,则太阳对地观测影响时的评估场景大样本参数的总样本数为S,共有603600个样本,且每一个样本包含轨道半长轴、轨道升交点赤经、风级样本、云类别4个参数,所以评估场景大样本参数矩阵为4*603600维矩阵。
步骤S4:基于轨道根数的约束关系,根据所述评估场景轨道预设参数确定和补充所述评估场景大样本参数矩阵中的每个评估场景大样本参数的轨道要素补充参数。
其中,轨道要素补充参数可以包括:轨道倾角、偏心率、近地点辐角和平近点角。例如卫星运行轨道由轨道倾角i、近地点幅角ω、升交点赤经Ω、偏心率e、轨道半长轴a以及卫星经过近地点的平近点角M共6个要素决定,只要确定了某一时刻的卫星轨道六要素,卫星的轨道即卫星的位置和速度矢量也就确定了。
由于是太阳同步轨道,则体系仿真评估任务中可以将卫星的近地点幅角ω和偏心率e置为0。根据上述原理能够计算和补充每个评估场景大样本的其他四个轨道要素补充参数。
步骤S5:根据所述评估场景大样本参数矩阵组合所述评估场景轨道预设参数、评估评估场景天气参数、评估场景轨道要素补充参数为评估场景大样本。
将步骤S4中计算的评估场景大样本的其他四个轨道要素补充参数补充到评估场景大样本参数矩阵中的每个样本参数中,得到评估场景大样本的轨道参数(即轨道预设参数和轨道要素补充参数的组合),并结合评估场景大样本的天气参数得到评估场景大样本{(S轨道预设参数λ,S轨道要素补充参数λ,S天气参数λ)1≤λ≤N,λ∈N}。当然,基于评估场景轨道要素补充参数为评估场景的载荷参数或补充要素参数,因此,评估场景大样本也可以为{(S轨道预设参数λ,S轨道要素补充参数λ,S天气参数λ)1≤λ≤N,λ∈N}。
通过基于评估任务确定评估场景大样本参数及评估场景大样本参数取值范围,所述评估场景大样本参数包括评估场景轨道预设参数和评估场景天气参数;根据所述评估场景大样本参数及评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合;基于全因子设计模型,根据所述评估场景大样本参数的个数以及所述评估场景大样本参数的抽样数值集合生成所述评估场景大样本参数矩阵;基于轨道根数的约束关系,根据所述轨道预设参数确定和补充所述评估场景大样本参数矩阵中的每个评估场景大样本参数的轨道要素补充参数;根据所述评估场景大样本参数矩阵组合所述评估场景轨道预设参数、评估场景天气参数、评估场景轨道要素补充参数为评估场景大样本。能够简化评估场景大样本参数维度,在无需预先设计新增卫星及星座方案的情况下,既保证样本全面有效覆盖,又降低样本参数矩阵的规模,对体系效能评估进行科学统计分析。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (5)
1.一种基于轨道参数的评估场景大样本生成方法,其特征在于,所述方法包括:
基于评估任务确定评估场景大样本参数及评估场景大样本参数取值范围,所述评估场景大样本参数包括评估场景轨道预设参数和评估场景天气参数;
根据所述评估场景大样本参数及评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合;
基于全因子设计模型,根据所述评估场景大样本参数的个数以及所述评估场景大样本参数的抽样数值集合生成所述评估场景大样本参数矩阵;
基于轨道根数的约束关系,根据所述轨道预设参数确定和补充所述评估场景大样本参数矩阵中的每个评估场景大样本参数的轨道要素补充参数;
根据所述评估场景大样本参数矩阵组合所述评估场景轨道预设参数、评估场景天气参数、评估场景轨道要素补充参数为评估场景大样本。
2.根据权利要求1所述的评估场景大样本生成方法,其特征在于,所述根据所述评估场景大样本参数和评估场景大样本参数取值范围,确定每个所述评估场景大样本参数的抽样数值集合,包括:
针对所述评估场景大样本的每个参数,根据所述评估场景大样本参数的抽样个数和取值范围,确定所述评估场景大样本参数的抽样数值,组合所述评估场景大样本参数的抽样数值为所述评估场景大样本参数的抽样数值集合。
3.根据权利要求2所述的评估场景大样本生成方法,其特征在于,所述确定所述评估场景大样本参数的抽样数值,包括:
采用均匀分布方法对所述评估场景大样本参数进行抽样,得到所述评估场景大样本参数的抽样数值。
4.根据权利要求1所述的评估场景大样本生成方法,其特征在于,所述轨道预设参数包括轨道半长轴和轨道升交点赤经;所述天气参数包括:风级样本和云类别。
5.根据权利要求1所述的评估场景大样本生成方法,其特征在于,所述轨道要素补充参数包括:轨道倾角、偏心率、近地点辐角和平近点角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205458.2A CN112231929B (zh) | 2020-11-02 | 2020-11-02 | 一种基于轨道参数的评估场景大样本生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205458.2A CN112231929B (zh) | 2020-11-02 | 2020-11-02 | 一种基于轨道参数的评估场景大样本生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112231929A true CN112231929A (zh) | 2021-01-15 |
CN112231929B CN112231929B (zh) | 2024-04-02 |
Family
ID=74121827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011205458.2A Active CN112231929B (zh) | 2020-11-02 | 2020-11-02 | 一种基于轨道参数的评估场景大样本生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231929B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002015010A (ja) * | 2000-06-29 | 2002-01-18 | Yokohama Rubber Co Ltd:The | 製品形状設計方法およびこれを用いて設計される空気入りタイヤ |
US20150355324A1 (en) * | 2014-04-22 | 2015-12-10 | Specialized Arrays, Inc. | System and method for detection and orbit determination of earth orbiting objects |
CN106411587A (zh) * | 2016-09-26 | 2017-02-15 | 中国空间技术研究院 | 一种适用于卫星通信网络效能评估的仿真架构 |
CN107844462A (zh) * | 2017-10-26 | 2018-03-27 | 北京理工大学 | 一种行星际连续推力转移轨道评估方法 |
WO2020042795A1 (zh) * | 2018-08-31 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 样本属性评估模型训练方法、装置及服务器 |
US20200082041A1 (en) * | 2018-09-06 | 2020-03-12 | Terrafuse, Inc. | Estimating physical parameters of a physical system based on a spatial-temporal emulator |
CN111684721A (zh) * | 2018-01-15 | 2020-09-18 | 量子数公司 | 用于生成随机比特样本的方法和*** |
-
2020
- 2020-11-02 CN CN202011205458.2A patent/CN112231929B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002015010A (ja) * | 2000-06-29 | 2002-01-18 | Yokohama Rubber Co Ltd:The | 製品形状設計方法およびこれを用いて設計される空気入りタイヤ |
US20150355324A1 (en) * | 2014-04-22 | 2015-12-10 | Specialized Arrays, Inc. | System and method for detection and orbit determination of earth orbiting objects |
CN106411587A (zh) * | 2016-09-26 | 2017-02-15 | 中国空间技术研究院 | 一种适用于卫星通信网络效能评估的仿真架构 |
CN107844462A (zh) * | 2017-10-26 | 2018-03-27 | 北京理工大学 | 一种行星际连续推力转移轨道评估方法 |
CN111684721A (zh) * | 2018-01-15 | 2020-09-18 | 量子数公司 | 用于生成随机比特样本的方法和*** |
WO2020042795A1 (zh) * | 2018-08-31 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 样本属性评估模型训练方法、装置及服务器 |
US20200082041A1 (en) * | 2018-09-06 | 2020-03-12 | Terrafuse, Inc. | Estimating physical parameters of a physical system based on a spatial-temporal emulator |
Non-Patent Citations (1)
Title |
---|
刘婕;王玲;黄文德;张利云;: "基于典型应用场景的北斗导航效能评估方法", 大地测量与地球动力学, no. 10, 15 October 2018 (2018-10-15), pages 1027 - 1032 * |
Also Published As
Publication number | Publication date |
---|---|
CN112231929B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adachi et al. | Comparison of the impact of global climate changes and urbanization on summertime future climate in the Tokyo metropolitan area | |
Josey et al. | The Southampton Oceanography Centre (SOC) ocean-atmosphere heat, momentum and freshwater flux atlas | |
Stein et al. | High-resolution non-hydrostatic simulations of flash-flood episodes with grid-nesting and ice-phase parameterization | |
Weng et al. | Assimilating airborne Doppler radar observations with an ensemble Kalman filter for convection-permitting hurricane initialization and prediction: Katrina (2005) | |
Chu et al. | Nonlinear, intraseasonal phases of the East Asian summer monsoon: Extraction and analysis using self-organizing maps | |
Jandaghian et al. | Sensitivity analysis of physical parameterizations in WRF for urban climate simulations and heat island mitigation in Montreal | |
Sobash et al. | Assimilating surface mesonet observations with the EnKF to improve ensemble forecasts of convection initiation on 29 May 2012 | |
Lynn et al. | An evaluation of the efficacy of using observed lightning to improve convective lightning forecasts | |
Dong et al. | The analysis and impact of simulated high-resolution surface observations in addition to radar data for convective storms with an ensemble Kalman filter | |
Karbou et al. | Global 4DVAR assimilation and forecast experiments using AMSU observations over land. Part I: Impacts of various land surface emissivity parameterizations | |
Maejima et al. | 30-second-update 100-m-mesh data assimilation experiments: A sudden local rain case in Kobe on 11 September 2014 | |
Kerr et al. | Assimilation of cloud-top temperature and radar observations of an idealized splitting supercell using an observing system simulation experiment | |
Yang et al. | Accelerating the EnKF spinup for typhoon assimilation and prediction | |
Maurer et al. | Initiation of deep convection in the Sahel in a convection‐permitting climate simulation for northern Africa | |
Christophersen et al. | Impact of TROPICS radiances on tropical cyclone prediction in an OSSE | |
Chen et al. | Improving afternoon thunderstorm prediction over Taiwan through 3DVar-based radar and surface data assimilation | |
Liou et al. | Thermodynamic recovery of the pressure and temperature fields over complex terrain using wind fields derived by multiple-Doppler radar synthesis | |
Cress et al. | Impact of pro le observations on the German Weather Service’s NWP system | |
Aligo et al. | Summer rainfall forecast spread in an ensemble initialized with different soil moisture analyses | |
CN112231929A (zh) | 一种基于轨道参数的评估场景大样本生成方法 | |
Sippel et al. | Ensemble Kalman filter assimilation of HIWRAP observations of Hurricane Karl (2010) from the unmanned Global Hawk aircraft | |
Piotrowski et al. | Projections of thermal conditions for Poland for winters 2021–2050 in relation to atmospheric circulation | |
Devenyi et al. | A variational assimilation technique in a hybrid isentropic-sigma coordinate | |
Sarr et al. | Impact of temporal and spatial variability of solar resource on technical sizing of isolated solar installations in Senegal using satellite data | |
Kaissassou et al. | Investigation of anomalous propagation conditions in Central and West African stations using high-resolution GPS radiosonde observations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |