随着2025年太阳能周期的峰值接近,并且单个地磁风暴显着改变居民空间对象(RSO)的轨道的能力,大气密度预测的技术对于空间情况意识至关重要。虽然先前已将线性数据驱动的方法(例如使用控制模式分解(DMDC))用于预测大气密度,但基于深度学习的预测具有捕获数据中非线性的能力。通过从历史大气密度数据中学习多层权重,数据集中的长期依赖性被捕获在当前大气密度状态与控制下一个时间段的大气密度状态之间的映射中。通过开发基于非线性变压器的大气密度预测的非线性变压器结构,这项工作可改善大气密度预测的先前线性传播方法。经验NRLMSISE-00和JB2008,以及基于物理的TIEGCM大气密度模型,以与DMDC和基于变压器的传播器进行预测。
主要关键词
![arxiv:2310.16912v1 [physics.ao-ph] 2023年10月25日PDF文件第1页](/bimg/a/abf3879505197fb57d280ae52c989bada54ae992.webp)
![arxiv:2310.16912v1 [physics.ao-ph] 2023年10月25日PDF文件第2页](/bimg/d/dc19e164b6b7bb02c86661b91a136ba33dfd8f46.webp)
![arxiv:2310.16912v1 [physics.ao-ph] 2023年10月25日PDF文件第3页](/bimg/0/0dc53e8c48d55109ecee5c0a7d5f50e1eed2745e.webp)
![arxiv:2310.16912v1 [physics.ao-ph] 2023年10月25日PDF文件第4页](/bimg/0/0d883b4f9bb21f95699e30339daaa83cddde6cb5.webp)
![arxiv:2310.16912v1 [physics.ao-ph] 2023年10月25日PDF文件第5页](/bimg/6/691dc62f6debdb748f9b4e1e1b413a7c598a5501.webp)
