深度学习结合轨道力学预测失控航天器再入

印度尼西亚BRIN与Khalifa大学等机构研究者在《Acta Astronautica》发表论文，提出用神经网络学习弹道系数变化、结合轨道力学来预测失控卫星和火箭级的再入时间。团队以三个已再入物体为案例进行验证：Cosmos-482、NEOWISE和长征四号B火箭末级，每个物体都有至少11年、覆盖一个完整太阳活动周期的跟踪历史。研究者说明这些验证属于后向复算（hindcasts），与机构在物体坠落之后发布的重构类似，使用的是直至再入前不久的跟踪数据，并非真正的前瞻预测。他们同时指出三个案例数量有限，真正的检验在于预测仍在轨道上运行的物体，包括跟踪历史较短的较新物体，这也是该工作下一步的方向。目前该方法已在同行评审期刊发表，但对在轨物体的前瞻预测能力尚未得到实际验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。