[论文解读] Emulating satellite drag from large simulation experiments

Furong Sun, Robert B. Gramacy+3 more|arXiv (Cornell University)|Dec 1, 2017

Advanced Multi-Objective Optimization Algorithms参考文献 28被引用 4

一句话总结

本文提出了一种多层级局部近似高斯过程（laGP）框架，可实现对大规模模拟中卫星拖曳力的精确、实时仿真。通过整合多分辨率全局/局部建模与集合式局部子集选择，该方法在使用70,000核心小时模拟数据的情况下，对哈勃与GRACE卫星数据的相对误差低于1%，优于标准高斯过程（GP）和laGP方法。

ABSTRACT

Obtaining accurate estimates of satellite drag coefficients in low Earth orbit is a crucial component in positioning and collision avoidance. Simulators can produce accurate estimates, but their computational expense is much too large for real-time application. A pilot study showed that Gaussian process (GP) surrogate models could accurately emulate simulations. However, cubic runtime for training GPs means that they could only be applied to a narrow range of input configurations to achieve the desired level of accuracy. In this paper we show how extensions to the local approximate Gaussian Process (laGP) method allow accurate full-scale emulation. The new methodological contributions, which involve a multi-level global/local modeling approach, and a set-wise approach to local subset selection, are shown to perform well in benchmark and synthetic data settings. We conclude by demonstrating that our method achieves the desired level of accuracy, besting simpler viable (i.e., computationally tractable) global and local modeling approaches, when trained on seventy thousand core hours of drag simulations for two real-world satellites: the Hubble space telescope (HST) and the gravity recovery and climate experiment (GRACE).

研究动机与目标

• 解决因高斯过程（GP）仿真存在立方级运行时间和二次方内存占用，导致在大规模卫星拖曳力模拟中计算不可行的问题。
• 克服拖曳系数表面在输入空间中非平稳性的问题，该问题会降低标准GP仿真方法的准确性。
• 实现实时、高精度的拖曳系数预测，以支持近地轨道中的碰撞规避与轨道定位。
• 开发一种可扩展、可并行化的仿真框架，能够处理来自真实卫星几何结构（哈勃空间望远镜与GRACE）的数百万次模拟运行。
• 通过引入多层级建模与优化的局部子集选择，改进先前的laGP与全局GP方法，以提升预测准确性。

提出的方法

• 采用多层级全局/局部建模策略，结合从子采样数据中估计全局GP长度尺度（基于Liu & Hung, 2015）与局部近似高斯过程（laGP）拟合，以稳定非平稳预测。
• 提出一种集合式方法进行局部子集选择，提升高维输入空间中邻域选择的效率与预测准确性。
• 扩展laGP以支持各向异性的局部协方差结构，从而更好地拟合非平稳的拖曳力表面。
• 通过ALC（平均对数预测密度）准则进行主动学习，动态选择具有信息量的局部训练点，提升局部模型的保真度。
• 在超算架构上实现大规模并行计算，为哈勃与GRACE卫星生成总计70,000核心小时的模拟数据，覆盖数百万次运行。
• 集成基于轨迹的局部仿真，以支持沿卫星轨道路径的点对点预测，这对实时导航至关重要。

实验结果

研究问题

• RQ1 能否开发一种可扩展的非平稳仿真框架，从大规模模拟集合中准确预测卫星拖曳系数？
• RQ2 如何增强局部近似高斯过程方法，使其在典型轨道拖曳力模拟中所呈现的高维、非平稳输入空间中保持高精度？
• RQ3 与标准全局或局部GP方法相比，多层级全局/局部建模策略在仿真准确性方面有多大提升？
• RQ4 集合式局部子集选择与各向异性局部拟合能否显著降低大规模拖曳力模拟仿真中的预测误差？
• RQ5 所提出的方法在计算上是否足够高效且准确，足以支持近地轨道中碰撞规避等实时应用？

主要发现

• 所提出的多层级laGP框架在真实世界哈勃空间望远镜与GRACE卫星模拟中，实现了小于1%的均方根百分比误差（RMSPE），达到精度标准基准。
• 该方法即使在训练数据包含数百万次模拟运行的情况下，仍优于标准全局GP与基线laGP方法，归因于对非平稳性与局部结构的更好处理。
• 与laGP中传统的邻域选择相比，集合式局部子集选择与各向异性拟合扩展显著提升了预测准确性。
• 多分辨率全局/局部建模策略稳定了laGP的非平稳行为，使其在各种输入配置下均能保持一致性能。
• 通过固定局部邻域大小（n=50），该框架将计算成本保持在较低水平（对大规模N几乎恒定的运行时间），实现了对先前GP方法可处理数据量级数更大的可扩展性。
• 该方法实现了沿卫星轨迹的实时、点对点拖曳系数预测，这是碰撞概率评估与导航系统的关键需求。