%0 Journal Article %T پیش‌بینی بردار حالت مداری ماهواره با استفاده از سری‌های زمانی و شبکه‌های عصبی %J علوم و فناوری فضایی %I انجمن هوافضای ایران- پژوهشگاه هوافضا %Z 2008-4560 %A بوستان, دانیال %D 2018 %\ 11/22/2018 %V 11 %N 3 %P 47-61 %! پیش‌بینی بردار حالت مداری ماهواره با استفاده از سری‌های زمانی و شبکه‌های عصبی %K پیش‌بینی سری زمانی %K شبکه‌های عصبی %K TLE %K بردار حالت مداری %R %X در این مقاله، روشی نوین برای پیش ­بینی موقعیت مداری ماهواره با استفاده از سری­ های زمانی و شبکه‌های عصبی معرفی شده است. در این روش، بر خلاف روش­های معمول پیش ­بینی مدار، از قوانین کپلر استفاده نشده و از قدرت پیش­ بینی سری ­های زمانی در شبکه ­های عصبی برای پیش­ بینی موقعیت مداری استفاده شده است. مهمترین مزیت روش پیشنهادی نسبت به روش­ های موجود، در استفاده از داده­های واقعی است. چرا که روش ­های موجود عموما با ساده سازی روابط و نیز حذف برخی از اغتشاشات معمولاً دارای خطا بوده و استفاده از معادلات بازگشتی نیز به‌طور افزاینده­ای این خطا را افزایش می­ دهد. در دسترس ترین داده واقعی، TLE بوده و دقت آنها نیز در پژوهش­ های مختلف به اثبات رسیده است. لذا در روش پیشنهادی استفاده از این داده­ ها در دستور کار قرار گرفته است. نتایج شبیه ­سازی و مقایسه این روش با الگوریتم SGP4 و داده­ های واقعی، نشان از کارآمدی روش پیشنهادی دارد. %U https://jsst.ias.ir/article_81072_c20f02d943f50d53ce0e8ed18d88e2b5.pdf