論文の概要: Forecasting Thermospheric Density with Transformers for Multi-Satellite Orbit Management

• arxiv url: http://arxiv.org/abs/2511.06105v1
• Date: Sat, 08 Nov 2025 19:02:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.759739
• Title: Forecasting Thermospheric Density with Transformers for Multi-Satellite Orbit Management
• Title（参考訳）: マルチサテライト軌道管理のための変圧器を用いた熱圏密度予測
• Authors: Cedric Bös, Alessandro Bortotto, Mohamed Khalil Ben-Larbi,
• Abstract要約: この研究は、最大3日前に密度を予測するトランスフォーマーベースのモデルを提示します。 空間的縮小と複雑な入力パイプラインを回避し、コンパクトな入力セットで直接動作する。 実世界のデータに基づいて検証され、ミッションプランニングを支援する可能性を示す。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate thermospheric density prediction is crucial for reliable satellite operations in Low Earth Orbits, especially at high solar and geomagnetic activity. Physics-based models such as TIE-GCM offer high fidelity but are computationally expensive, while empirical models like NRLMSIS are efficient yet lack predictive power. This work presents a transformer-based model that forecasts densities up to three days ahead and is intended as a drop-in replacement for an empirical baseline. Unlike recent approaches, it avoids spatial reduction and complex input pipelines, operating directly on a compact input set. Validated on real-world data, the model improves key prediction metrics and shows potential to support mission planning.
• Abstract（参考訳）: 正確な熱圏密度予測は、特に太陽や地磁気活動において、低地球軌道での信頼性の高い衛星運用に不可欠である。 TIE-GCMのような物理モデルでは忠実度が高いが計算コストが高いが、NRLMSISのような経験的モデルは効率的で予測力に欠ける。 この研究は、最大3日前に密度を予測し、経験的ベースラインのドロップイン置換を意図したトランスフォーマーベースのモデルを示す。 近年のアプローチとは異なり、空間減少と複雑な入力パイプラインを回避し、コンパクトな入力セットで直接動作する。 実際のデータに基づいて検証されたこのモデルは、重要な予測指標を改善し、ミッションプランニングをサポートする可能性を示す。

関連論文リスト

• Forecasting the Ionosphere from Sparse GNSS Data with Temporal-Fusion Transformers [0.28112829609955153]
  トータル・エレクトロン・コンテント(TEC)は、鍵となる電離層パラメータである。 TECは観測結果から導かれるが、その信頼性は地球規模測定の希少な性質によって制限される。 本稿では,TFT(Temporal Fusion Transformer)を利用した電離層変動予測のための機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-30T23:08:19Z)
• The geomagnetic storm and Kp prediction using Wasserstein transformer [1.1272369832509876]
  不均一なデータソースを統合することで,3日と5日の惑星Kp指数を予測する新しい枠組みを提案する。 重要な革新は、ワッサーシュタイン距離を変換器に組み入れることと、モダリティ間の確率分布を整列させる損失関数である。
  論文  参考訳（メタデータ） (2025-03-29T14:39:42Z)
• CirT: Global Subseasonal-to-Seasonal Forecasting with Geometry-inspired Transformer [47.65152457550307]
  重力の循環特性をモデル化する幾何インスパイアされた循環変換器(CirT)を提案する。 地球再分析5(ERA5)再解析データセットの実験は、我々のモデルが先進的なデータ駆動モデルよりも大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-02-27T04:26:23Z)
• Gridded Transformer Neural Processes for Large Unstructured Spatio-Temporal Data [47.14384085714576]
  本稿では,非構造化観測を行うための格子状擬似トークンPと,効率的な注意機構を利用する格子状擬似トークンを含むプロセッサを紹介する。 提案手法は,大規模データを含む様々な合成および実世界の回帰タスクにおいて,強いベースラインを一貫して上回る。 実生活実験は気象データに基づいて行われ、気象モデルパイプラインで大規模に適用した場合の性能と計算上の利点をもたらすアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2024-10-09T10:00:56Z)
• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Advances in Land Surface Model-based Forecasting: A comparative study of LSTM, Gradient Boosting, and Feedforward Neural Network Models as prognostic state emulators [4.852378895360775]
  地表面プロセスのシミュレーションによる実験研究の高速化における3つの代理モデルの効率性を評価する。 以上の結果から, LSTMネットワークは, 予測期間を経た平均モデル全体の精度は高いが, 慎重に調整した場合は, 大陸の長距離予測に優れることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T13:26:05Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• High-Cadence Thermospheric Density Estimation enabled by Machine Learning on Solar Imagery [0.14061979259370275]
  我々は、NASAのソーラー・ダイナミクス・オブザーバ(SDO)極紫外線(EUV)スペクトル画像をニューラル熱圏密度モデルに組み込む。 我々は、EUV画像により、時間分解能をはるかに高め、地上ベースのプロキシを置き換えることができることを示した。
  論文  参考訳（メタデータ） (2023-11-12T23:39:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。