论文部分内容阅读
空间科学先导专项地面支撑系统是支撑硬X射线调制望远镜卫星(HXMT卫星)等空间科学任务卫星在轨运行的重要服务平台。对卫星在轨运行期间产生的大量参数数据进行事后分析,掌握星上设备的在轨状态和性能变化趋势,是地面支撑系统的主要任务之一。挖掘卫星参数之间的关联关系,提取参数之间蕴含的客观联系与规律,是进行事后分析的重要方法和基础,具有很高的实际应用价值。本文分析调研了现有的相关性分析算法,并基于现有算法,结合卫星参数数据的特点,设计出多种基于LightGBM机器学习模型的卫星参数关联挖掘算法,通过HXMT卫星在轨真实数据的实验验证,表明所设计的卫星参数关联挖掘算法能够将高度关联的参数组从海量参数中筛选出来。根据卫星参数数量众多、取值情况复杂的特点,本文首先将HXMT卫星参数根据参数取值的种类数量,分成二分类参数、多分类参数和回归参数;并将卫星关联挖掘算法根据参与分析的参数数量,分成卫星单参数关联挖掘算法和卫星多参数关联挖掘算法。本文设计的基于LightGBM机器学习算法模型的卫星单参数关联挖掘算法,该算法利用LightGBM算法能够量化建模所用特征的重要性的特点,可以快速评估海量参数之间的相关性程度,适用于卫星参数中的二分类参数。本文使用HXMT在轨真实参数数据进行试验验证,结果表明,当目标参数和单一参数高度相关时,能够顺利找出此参数组合,但也发现更多的参数是和多个参数之间有较强的相关性。本文设计的初步筛选和进阶筛选两种卫星多参数关联挖掘算法,适用于全部种类的卫星参数。其中,初步筛选算法根据参与分析的卫星参数总量,动态调整算法每轮迭代增加的参数数量区间的长度,算法灵活且复杂度低,思路简洁朴素,目的是为了快速缩小高相关参数的搜索范围;进阶筛选算法为求识别精准,每轮迭代只将当前参数集合中相关程度最高的参数选出,经过多轮迭代后最终获得全部的高相关参数,算法复杂度较高。本文使用HXMT在轨真实参数数据进行试验验证,结果表明,对于参数只有两种取值的二分类参数,可以准确挖掘出所有和目标参数高度相关的参数集合;对于参数取值种类数多于两种的,取值情况更复杂多变的多分类参数和回归参数,算法能够将关联性较高的参数集合初步筛选出来。本文结合卫星参数特点,设计了参数关联挖掘算法,通过实验验证,能够从海量参数中挖掘出所关注的目标参数的高度关联的参数集合,本论文的研究成果可用于空间科学任务在轨状态实时监视系统。这表明本文提出的基于机器学习模型的关联挖掘算法有较高的实际应用价值,为空间科学卫星在轨参数数据进行事后分析提供了重要的参考意见。