典型文献
基于GBDT的卫星工程参数异常检测
文献摘要：
卫星及其载荷的在轨运行异常诊断是卫星高效安全运行的重要支持,发展智能、高效的卫星异常检测方法,是卫星地面系统的研究焦点之一.在我国空间科学先导专项系列卫星任务的应用背景下,根据空间科学卫星的数据特性与异常形态,基于梯度提升决策树(gradient boosting decision tree,GBDT)原理构建卫星工程参数异常智能检测方法,利用量子科学实验卫星任务的工程数据开展应用验证与分析,与原采用的"阈值+规则表达式"异常检测方法相比,将平均准确率提升了约两个百分点,达到98％以上,可有效减少漏报和错报,并将检测速度提升了大约6倍.
文献关键词：
空间科学卫星;数据处理;异常检测;机器学习;梯度提升决策树
中图分类号：
作者姓名：
马文臻;王爱玲;李旭东;黎建辉;邹自明;李云龙
作者机构：
中国科学院 计算机网络信息中心, 北京 100190;中国科学院 国家空间科学中心, 北京 100190;中国科学院大学, 北京 100049
文献出处：
引用格式：
[1]马文臻;王爱玲;李旭东;黎建辉;邹自明;李云龙-.基于GBDT的卫星工程参数异常检测)[J].计算机系统应用,2022(01):138-144
A类：
B类：
GBDT,工程参数,参数异常,在轨,运行异常,异常诊断,高效安全,异常检测方法,卫星地面系统,研究焦点,空间科学先导专项,应用背景,空间科学卫星,异常形态,梯度提升决策树,gradient,boosting,decision,tree,智能检测方法,量子科学,科学实验,工程数据,开展应用,应用验证,规则表达,平均准确率,准确率提升,百分点,漏报,检测速度
AB值：
0.445738
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
