[論文レビュー] Data-driven framework for real-time thermospheric density estimation

Piyush M. Mehta, Richard Linares|arXiv (Cornell University)|Aug 17, 2018

Ionosphere and magnetosphere dynamics参考文献 13被引用数 3

ひとこと要約

本論文は、準物理的低次元モデル（ROM）とモデル-データ統合による動的補正を用いた、データ駆動型でリアルタイムな電離圏密度推定フレームワークを提示する。5分間隔のGPS由来軌道エフェマリスからわずか数個のROM係数を推定することで、従来の経験的モデルと比較して軌道予測の誤差を顕著に低減する、高精度で予測可能な密度予測が達成される。

ABSTRACT

In this paper, we demonstrate a new data-driven framework for real-time neutral density estimation via model-data fusion in quasi-physical ionosphere-thermosphere models. The framework has two main components: (i) the development of a quasi-physical dynamic reduced order model (ROM) that uses a linear approximation of the underlying dynamics and effect of the drivers, and (ii) dynamic calibration of the ROM through estimation of the ROM coefficients that represent the model parameters. We have previously demonstrated the development of a quasi-physical ROM using simulation output from a physical model and assimilation of non-operational density estimates derived from accelerometer measurements along a single orbit. In this paper, we demonstrate the potential of the framework for use with operational measurements. We use simulated GPS-derived orbit ephemerides with 5 minute resolution as measurements. The framework is a first of its kind, simple yet robust and accurate method with high potential for providing real-time operational updates to the state of the upper atmosphere using quasi-physical models with inherent forecasting/predictive capabilities.

研究の動機と目的

• 低地球軌道（LEO）における大気抵抗の不確実性という、宇宙状況把握（SSA）および宇宙交通管理（STM）の分野で重要な課題に取り組むこと。
• 経験的モデルや高次元物理モデルの限界を克服し、計算効率が高く予測可能な電離圏密度モデルを構築すること。
• 運用中のGPS由来軌道測定値を用いて、準物理的ROMをリアルタイムで動的補正すること。
• ROMが予測能力を保持したまま、実時間の軌道データと統合することで、軌道予測誤差を低減すること。

提案手法

• フレームワークは、12年分のTIE-GCM物理モデルシミュレーションを用いて、制御付き動的モード分解（DMDc）により導出された低次元モデル（ROM）を採用する。
• ROMは、モデルパラメータを表す少数の係数でパrameter化された、電離圏力学の線形近似として定式化される。
• モデル-データ統合は、5分間隔のGPS由来軌道エフェマリスに逐次推定法を適用することで、これらのROM係数をリアルタイムに推定することで達成される。
• 状態全体の推定を避けることで、モデルパラメータの補正に集中し、耐障害性とスケーラビリティが向上する。
• フレームワークは、5分間隔で継続的なGPS測定を想定しており、性能評価はこの理想的なデータ可用性を前提としている。
• 誤差共分散を推定プロセスから衛星高度における密度場に射影することで、不確実性の定量化が行われる。

実験結果

リサーチクエスチョン

• RQ1 運用中のGPS軌道測定値を用いて、電離圏の低次元モデルをリアルタイムで動的補正できるか？
• RQ2 補正済みROMの予測精度は、MSISなどの経験的モデルと比較して、軌道予測においてどの程度優れているか？
• RQ3 10個の空間的に分散された軌道のみを用いる場合、密度推定および不確実性定量化の精度と安定性にどのような影響を与えるか？
• RQ4 標準的な経験的モデルと比較して、このフレームワークは軌道予測誤差をどの程度低減できるか？
• RQ5 計算コストと状態次元を顕著に低減しながら、予測能力をどのように維持できるか？

主な発見

• MSISを用いた場合、72時間後の軌道予測誤差が1000 kmを超えるのに対し、補正済みROMを用いることで6 km未満にまで低減される。
• 72時間後の最小軌道予測誤差は約6 kmであり、120時間後の最大誤差は1000 kmを超える状態から約30 kmにまで低減される。
• わずか10本の5分間隔GPSデータを用いることで、高効率なデータ利用が実現され、正確な密度予測が可能である。
• すべてのシミュレートされた軌道において、密度推定の不確実性は境界内に保たれ、時間経過に従い徐々に増大するが、良好に定量化されている。
• 特に低高度および高ボールスティック係数（BC）の物体に対して、MSIS経験的モデルを著しく上回る長期的軌道予測性能を示す。
• ROM係数の動的補正により、最小限の計算オーバーヘッドで耐障害性の高いリアルタイム更新が可能となり、運用上のSSA/STMシステムに適している。