Resumen

El sistema actual de gestión de satélites se basa principalmente en el trabajo manual. Si no se pueden encontrar pequeñas fallas a tiempo, puede causar problemas sistemáticos de fallas y luego afectar la precisión de los datos satelitales y la calidad del servicio del satélite meteorológico. Si se predice la tendencia de operación del satélite, se puede evitar la falla. Sin embargo, el sistema satelital es complejo, y la señal de telemetría es inestable, no lineal y relacionada con el tiempo. Es difícil predecir a través de un modelo determinado. Basándose en esto, este documento propone un modelo de aprendizaje profundo de memoria a largo plazo y corto plazo bidireccional (BiLSTM) para predecir la tendencia de operación del satélite meteorológico. En el método, el número de capas del modelo está diseñado para ser dos, y los resultados de predicción, que son pronosticados por la red LSTM como los datos de tendencia futura y los datos históricos, se toman ambos como la entrada del modelo Bi

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Sistema de gestión de satélites; Fallos; Precisión; Modelo de predicción; BiLSTM; Datos telemétricos
• Keywords:Satellite management system; Faults; Accuracy; Prediction model; BiLSTM; Telemetry data