注意力增强LSTM网络

轨道预测残差降至3%

针对卫星轨道预测对物理模型和初值敏感的问题，提出注意力机制与LSTM结合的误差修正模型，显著降低轨道预报残差。

Luo, Qingshan · Yang, Tao · 姚运生

PLoS ONE 2026

参数信息

X轴轨道预测残差比

3.68 %

Y轴轨道预测残差比

4.77 %

Z轴轨道预测残差比

2.37 %

预测时长

1 day

技术优势

预报误差砍到3%以下

在LAGEOS一天预报的Z轴残差比降到2.37%，比以往模型更好，直接提升轨道的可信度。

不止线性模型

比LSTM、SVM、BP、BiLSTM这些常见模型在轨道误差预测和修正上都更准，不是靠堆模型复杂度碰运气。

换轨道高度也行

在不同轨道高度的卫星上验证过，不是只在LAGEOS一颗星有效，移植时不用推倒重来。

应用场景

• 航天器轨道预报：把一天后的预报误差压到3%左右，星历更可靠。
• 卫星碰撞预警：更准的轨道预报能提前锁定交会风险，减少虚警。
• 空间态势感知：轨道误差小，编目和态势图就更贴近真实。
• 航天器测控：修正后的轨道用于测控站引导，跟踪更稳。
• 卫星星座管理：多星轨道都准了，星座构型和覆盖才好维持。