【论文】利用LSTM网络对月球物理天平动参数的预测

qq_1537237806

利用我国探月甚长基线干涉测量（Very Long Baseline Interferometry， VLBI）观测数据改进月球物理天平动参数的预测精度，对于着陆器和巡视器的精密定位具有重要的意义。本文首先基于VLBI单点定位模型解算得到“嫦娥三号（CE-3）”着陆器的坐标和物理天平动，分别采用循环神经网络（Recursive Neural Network， RNN）和长短期记忆人工神经网络（Long-Short Term Memory Artificial Neural Network， LSTM-ANN）进行物理天平动的预测。选取月球着陆器的坐标和VLBI观测量作为输入量，将3个欧拉角作为输出量，将11323个样本用于训练，2315个样本用于测试， 2315个样本用于验证，1000 个样本用作与预测结果进行对比。结果显示训练后的最大绝对误差仅为2.3×10-5，验证集的数据经过1000 次训练和9次迭代训练后的梯度约6.2×10-5，证明了LSTM与RNN神经网络学习的可靠性。预测结果表明LSTM和RNN网络的3个欧拉角预测精确分别达到了97.8%；95.2%；99.7%和98.5%；97.2%；95.8%。证明LSTM网络相比较于RNN网络的预测精度更高。同时与DE421星历对欧拉角的预测结果进行比较，证明了LSTM网络在预测中的精度最高。