研究五百米孔径球体望远镜料时间序列预测研究基于长短期记忆-自我注意力研究
Shuai Peng1, Minghui Li1, Benning Song2
1State Key Laboratory of Public Big Data, Guizhou University, Guiyang 550025, China.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
一个新的LSTM-自动注意模型提高了500米孔径球体望远镜 (FAST) 料的定位精度. 这种先进的系统即使在传统设备失效时也能确保精确的测量,支持稳定的天文观测.
科学领域:
- 无线电天文学 无线电天文学
- 地测和地质工程的工程.
背景情况:
- 五百米孔径球体望远镜 (FAST),世界上最大的单盘射电望远镜,需要非常精确的料定位以获得最佳性能.
- 传统的定位系统 (GNSS,IMU,TS) 容易受到信号和环境干扰,损害准确性,并可能停止观测.
研究的目的:
- 开发一种新的定位模型,即使在传统测量设备故障时,也能保持FAST料的高精度.
- 解决现有定位技术的局限性,确保对敏感的天文仪器进行一致和可靠的料室放置.
主要方法:
- 实施一个时间序列预测模型,将长短期记忆 (LSTM) 网络与自我注意机制集成在一起.
- 在模拟传感器中断的条件下,验证模型在维持料定位精度方面的性能.
主要成果:
- 在LSTM-Self-Attention模型中,平均绝对误差 (MAE) 低于10mm,根平均平方误差 (RMSE) 约为12mm.
- 跨不同轴的定位错误呈现出接近正常的分布,满足FAST严格的15毫米测量精度要求.
- 该模型表现出强大的性能,弥补了模拟设备故障期间传统方法的缺陷.
结论:
- 开发的LSTM-Self-Attention模型为FAST.提供了一种可靠的解决方案,以保持料的定位精度.
- 这种方法通过克服传统定位系统的局限性,提高了高度敏感的天文观测的稳定性和运行效率.
- 该模型在不利条件下处理复杂的时间序列数据的能力为关键科学基础设施提供了重大进步.
