基于回声状态网络的空间激光干涉低低跟踪重力卫星数据恢复方法研究

作为低低跟踪重力卫星GRACE任务的后续任务，激光干涉重力卫星任务GRACE Follow On双星之一的加速度计载荷在运行一个月后出现了异常，造成了关键科学测量数据的缺失，同时在GRACE服役期最后阶段也出现了类似情况。由此，加速度计数据恢复技术研究对GRACE尤其是GRACE Follow On任务探测目标的实现极为重要。本文提出了一种基于机器学习中的回声状态网络模型来实现加速度计数据恢复与重建的全新方法。基于回声状态网络模型，构建双星之间加速度计数据的映射关系，并通过贝叶斯优化提高网络性能，可实现对缺失加速度计数据的高精度高效率的重建。通过实测数据的实验比对，在重力场探测信号频段，模型预测结果在沿轨道方向和径向两个高灵敏轴可达到（甚至部分频段优于）10^(-8)m∙s-2/√Hz量级水平，在轨道法向低灵敏轴到达10^(-8)m∙s-2/√Hz~10^(-7)m∙s-2/√Hz水平，这一重建精度达到甚至部分优于GRACE官方数据移植精度，可初步应用于重力场反演，实现低低跟踪任务加速度计高精度数据产品恢复。