10.16708/j.cnki.1000-758X.2022.0067
基于神经网络及深层充电的电子通量反演模型
为了实现对空间高能电子通量的估计及航天器深层充放电的风险评估,基于深层充电和空间电子环境的关联性,利用人工神经网络(ANN)建立了一种由深层充电反演空间高能电子环境的模型.以深层充电探测电流密度及电子能量作为模型输入,电子通量作为模型输出,使用AE9模型对神经网络进行训练,将神经网络的MSE降低到了0.04122,并使用Giove-A卫星的深层充电探测数据及GOES卫星的电子通量探测数据验证了模型反演电子环境的准确性.同时对由探测电流计算航天器典型介质材料最大内电场的神经网络模型进行了研究,以实现对航天器内充电风险实时评估.
深层充电、神经网络、反演模型、电子环境、风险评估
42
P353(空间物理)
国家自然科学基金51877111
2022-09-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
57-64