[논문 리뷰] Data-driven framework for real-time thermospheric density estimation

Piyush M. Mehta, Richard Linares|arXiv (Cornell University)|2018. 08. 17.

Ionosphere and magnetosphere dynamics참고 문헌 13인용 수 3

한 줄 요약

이 논문은 감쇠 모델과 모델-데이터 융합을 통한 동적 校정을 활용한 준물리적 감소차원 모델(Reduced-Order Model, ROM)을 사용하여 데이터 기반의 실시간 열권 밀도 추정 프레임워크를 제시한다. 5분 간격의 GPS로 유도된 궤도 에프레미디스로부터 단순한 ROM 계수를 추정함으로써, 경험 모델에 비해 궤도 추진에서 상당한 오차 감소를 이룩한 정확하고 예측 가능한 밀도 예측을 달성한다.

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.

연구 동기 및 목표

• 저지구궤도(LEO)에서의 대기 항력 불확실성 문제를 해결하여 우주 상황 인식-우주 교통 관리(SSA-STM)에 기여한다.
• 경험 모델과 고차원 물리 모델의 한계를 극복하고, 계산 비용이 낮고 예측 능력을 갖춘 열권 밀도 모델을 개발한다.
• 운영용 GPS로 유도된 궤도 측정치를 활용하여 준물리적 ROM을 실시간으로 동적 보정한다.
• 예측 능력을 유지하면서도 상태 차원을 크게 줄인 감소차원 모델에 실시간 궤도 데이터를 융합하여 궤도 예측 오차를 감소시킨다.

제안 방법

• 프레임워크는 12년간의 TIE-GCM 물리 모델 시뮬레이션 자료를 기반으로 동적 모드 분해법에 제어를 추가한(DMDc) 감소차원 모델(Reduced-Order Model, ROM)을 활용한다.
• ROM은 열권 동역학의 선형 근사로 표현되며, 모델 파라미터를 나타내는 소수의 계수 집합으로 매개변수화된다.
• 실시간으로 5분 간격의 GPS로 유도된 궤도 에프레미디스에 적용된 순차적 추정 방법을 통해 이러한 ROM 계수를 추정함으로써 모델-데이터 융합을 달성한다.
• 모든 상태 추정을 피하고 모델 파라미터 보정에 집중함으로써, 강인성과 확장성을 향상시킨다.
• 프레임워크는 5분 간격으로 연속적인 GPS 측정치를 가정하며, 이 이상한 데이터 가용성 조건 하에서 성능을 평가한다.
• 오차 공분산을 추정 과정에서 추론한 후 위성 고도에서의 밀도 분포에 투영함으로써 불확실성 정량화를 수행한다.

실험 결과

연구 질문

• RQ1 운영용 GPS 궤도 측정치를 사용하여 열권의 감소차원 모델을 실시간으로 동적으로 校정할 수 있는가?
• RQ2 보정된 ROM의 예측 정확도는 MSIS와 같은 경험 모델에 비해 궤도 예측에서 어떻게 비교되는가?
• RQ3 10개의 공간적으로 분포된 궤도만을 사용할 경우, 밀도 추정 및 불확실성 정량화의 정확도와 안정성에 어떤 영향을 미치는가?
• RQ4 기존의 경험 모델에 비해 이 프레임워크는 궤도 예측 오차를 얼마나 줄이는가?
• RQ5 상당한 계산 비용 감소와 상태 차원 감소를 이루면서도 예측 능력을 어떻게 유지하는가?

주요 결과

• MSIS를 사용할 경우 72시간 후 궤도 예측 오차가 1000km 이상이지만, 보정된 ROM을 사용하면 6km 이내로 감소한다.
• 72시간 후 최소 궤도 예측 오차는 약 6km이며, 120시간 후 최대 오차는 1000km 이상에서 약 30km로 감소한다.
• 단지 10개의 5분 간격 GPS 데이터 궤도만으로도 정확한 밀도 예측을 달성하여 높은 데이터 효율성을 입증한다.
• 모든 시뮬레이션 궤도에서 밀도 추정의 불확실성은 유한하고 잘 정량화되어 있으며, 시간이 지남에 따라 점진적으로 증가한다.
• 특히 저고도 및 높은 궤도계수(BC) 물체에 대해 MSIS 경험 모델에 비해 상당히 뛰어난 장기 궤도 예측 성능을 보인다.
• ROM 계수의 동적 보정은 최소한의 계산 오버헤드로 강인한 실시간 업데이트를 가능하게 하여 운영용 SSA/STM 시스템에 적합하다.