新AI模型提前预测卫星碰撞概率，LEO运营商不再手忙脚乱！
Early Prediction of Satellite Collision Probability Using a Hybrid TCN-Transformer Model for a CDM-Based Conjunction Analysis Framework
📖 AI 总结
本文针对低轨卫星与空间碎片交会事件频发、碰撞规避决策时间紧迫的问题，提出一种基于机器学习的碰撞概率早期预测框架。研究以交会数据消息（CDM）为数据基础，先通过无迹变换传播与反向传播评估碰撞风险对CDM参数的敏感性，并利用主成分分析筛选与碰撞概率变化最相关的数值特征，据此构建反映相对运动、交会几何与协方差不确定性的衍生指标。随后，采用时间卷积网络与Transformer相结合的混合模型，学习交会风险随CDM序列更新的时序演化规律，预测同一交会事件下一次CDM更新中的碰撞概率。该方法在TÜBİTAK UZAY实际接收和分析的CDM数据上得到验证，表明其可为低轨卫星交会提供更早、更一致的风险评估，对电推进等低推力卫星的碰撞规避规划具有实际意义。
🔑 关键词速览
| Conjunction Data Message (CDM) | 交会数据消息，一种标准格式的消息，用于提供卫星与空间物体之间近距离接近事件的相对状态、协方差、碰撞概率等信息。 |
| Probability of Collision (PoC) | 碰撞概率，衡量两个空间物体在未来最接近时刻发生碰撞的可能性的指标。 |
| Unscented Transform | 无迹变换，一种用于非线性系统状态估计的方法，通过选取一组确定性采样点来近似概率分布的传播。 |
| Temporal Convolutional Network (TCN) | 时序卷积网络，一种专门用于处理序列数据的神经网络结构，通过因果卷积和膨胀卷积捕捉时间依赖关系。 |
| Transformer | 一种基于自注意力机制的神经网络架构，擅长处理序列数据并捕捉长距离依赖关系。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅