基于集成学习模型的虚拟资源池扩展生成方法

    公开(公告)号:CN115526438B

    公开(公告)日:2023-04-07

    申请号:CN202211498051.2

    申请日:2022-11-28

    Abstract: 本申请涉及一种基于集成学习模型的虚拟资源池扩展生成方法。所述方法包括:根据基于决策树随机森林的机器学习算法和地面保障设备对不同用户航天器的资源保障规律对训练数据集进行集成学习模型训练,得到多个分类模型;利用分类模型对预处理编码后的测试数据集中的可见预报数据进行预测,得到预测工作计划;在预测工作计划上叠加与预测工作计划属于同一用户的同一地面保障设备上工作起止时间有交集的可见预报,并舍弃与预测工作计划属于不同用户的同一地面保障设备上工作起止时间有交集的可见预报,从而得到不同用户航天器的虚拟专用资源池和虚拟公用资源池。采用本方法能够解决不同用户航天器对地面保障资源进行抢占的问题。

    基于集成学习模型的虚拟资源池扩展生成方法

    公开(公告)号:CN115526438A

    公开(公告)日:2022-12-27

    申请号:CN202211498051.2

    申请日:2022-11-28

    Abstract: 本申请涉及一种基于集成学习模型的虚拟资源池扩展生成方法。所述方法包括:根据基于决策树随机森林的机器学习算法和地面保障设备对不同用户航天器的资源保障规律对训练数据集进行集成学习模型训练,得到多个分类模型;利用分类模型对预处理编码后的测试数据集中的可见预报数据进行预测,得到预测工作计划;在预测工作计划上叠加与预测工作计划属于同一用户的同一地面保障设备上工作起止时间有交集的可见预报,并舍弃与预测工作计划属于不同用户的同一地面保障设备上工作起止时间有交集的可见预报,从而得到不同用户航天器的虚拟专用资源池和虚拟公用资源池。采用本方法能够解决不同用户航天器对地面保障资源进行抢占的问题。

    一种GEO卫星太阳电池阵性能变化的分析方法

    公开(公告)号:CN112232664A

    公开(公告)日:2021-01-15

    申请号:CN202011101952.4

    申请日:2020-10-15

    Abstract: 本发明提供一种GEO卫星太阳电池阵性能变化的分析方法,包括如下步骤:(1)卫星遥测参数的提取和处理:地影时段的充电电流、负载电流和分流电流及故障时段的电池阵输出电流的提取和处理;(2)根据处理后数据绘制电池阵输出年变化曲线,确定最低点电流包络;(3)确定卫星电池阵输出衰减率,根据设计指标和历史数据分析卫星电池阵输出的衰减情况,本发明提出了以充电电流、负载电流和分流电流之和来表征太阳电池阵的输出能力,以这些参数之和的最低值的包络线来表征太阳电池阵的变化趋势的分析方法,分析GEO轨道卫星太阳电池阵输出的衰减率,本发明能够简洁、有效的分析和粗略估计GEO轨道卫星太阳电池阵的衰减变化。

Patent Agency Ranking