[논문 리뷰] State-Space Inference for Non-Linear Latent Force Models with Application to Satellite Orbit Prediction

Jouni Hartikainen, Mari Seppänen외 1명|arXiv (Cornell University)|2012. 06. 18.

Gaussian Processes and Bayesian Inference참고 문헌 15인용 수 30

한 줄 요약

이 논문은 비선형 잠재력 모델(LFMs)에 대한 상태공간 추론 프레임워크를 제안하며, 확장된 칼만 필터링과 스무딩을 사용하여 GPS 위성 궤도의 정확하고 장기적인 예측을 가능하게 한다. 비선형 LFMs를 백색 잡음에 의해 구동되는 상태공간 시스템으로 모델링함으로써, 상태와 매개변수에 대한 효율적인 근사 추론이 가능해지며, 기존의 표준 방법들에 비해 궤도 예측 성능이 뛰어나다는 것을 입증한다.

ABSTRACT

Latent force models (LFMs) are flexible models that combine mechanistic modelling principles (i.e., physical models) with non-parametric data-driven components. Several key applications of LFMs need non-linearities, which results in analytically intractable inference. In this work we show how non-linear LFMs can be represented as non-linear white noise driven state-space models and present an efficient non-linear Kalman filtering and smoothing based method for approximate state and parameter inference. We illustrate the performance of the proposed methodology via two simulated examples, and apply it to a real-world problem of long-term prediction of GPS satellite orbits.

연구 동기 및 목표

• 복잡한 물리 시스템을 모델링하는 데 필수적인 비선형 잠재력 모델(LFMs)에서 해석적으로 구할 수 없는 추론 문제를 해결하기 위해.
• 기계적 모델링과 비모수적 학습을 융합한 비선형 동역학 시스템을 위한 확장 가능하고 효율적인 추론 프레임워크를 개발하기 위해.
• 물리 법칙과 데이터 기반 구성요소를 통합하여 장기적이고 정확한 GPS 위성 궤도 예측을 가능하게 하기 위해.
• 고도로 불확실하고 비선형적인 동역학을 포함하는 실세계의 우주 항법 문제에 대해 이 방법의 실용적 유용성을 입증하기 위해.

제안 방법

• 저자들은 비선형 잠재력 모델을 백색 잡음에 의해 구동되는 비선형 상태공간 모델로 표현함으로써, 기존의 알려진 필터링 및 스무딩 기법의 적용을 가능하게 한다.
• 실시간 상태 추정을 위해 확장된 칼만 필터(EKF)를 사용하고, 오프라인 상태 경로의 정밀화를 위해 확장된 칼만 스무딩기(EKS)를 적용한다.
• 반복적인 EKF 기반 최적화를 통해 잠재 상태와 모델 매개변수를 동시에 추론한다.
• 잠재력 모델의 구조를 활용하여 알려진 물리 법칙(예: 궤도 역학)을 상태 전이 함수에 통합한다.
• 비모수적 구성요소는 가우시안 프로세스로 모델링하고, 이들의 초모수는 추론 과정에서 함께 추정한다.
• 비선형 상태공간 모델을 통해 반복적으로 불확실성을 전파함으로써 장기 예측이 가능한 프레임워크를 제공한다.

실험 결과

연구 질문

• RQ1 비선형 잠재력 모델이 상태공간 모델로 효과적으로 표현될 수 있는가? 이를 통해 확장 가능한 추론이 가능해지는가?
• RQ2 확장된 칼만 필터링과 스무딩이 비선형적이며 비정규분포를 가진 잠재력 모델에서 후행 분포를 얼마나 잘 근사하는가?
• RQ3 이 추론 프레임워크가 기존의 표준 모델에 비해 장기적인 위성 궤도 예측 정확도를 향상시킬 수 있는가?
• RQ4 비선형 환경에서 기계적 물리 법칙과 데이터 기반 구성요소를 융합했을 때의 영향은 무엇인가?

주요 결과

• 제안된 상태공간 추론 방법은 GPS 위성 궤도의 정확하고 안정적인 장기 예측을 가능하게 하며, 루트 평균 제곱 오차 측면에서 기존의 표준 모델보다 뛰어난 성능을 보였다.
• 확장된 칼만 필터가 현재 추정치 주변에서 선형화할 수 있는 능력을 활용하여 궤도 역학에 내재된 비선형성을 효과적으로 처리하였다.
• 상태와 매개변수에 대한 동시 추론은 모델 校정을 향상시키고 初기 불확실성에 대한 강건성을 높였다.
• 실제 GPS 위성 추적 데이터를 기반으로 검증된 결과를 바탕으로, 이 프레임워크는 실세계의 우주 응용 분야에서 실용적으로 타당하다는 것을 입증하였다.