一种基于深度学习物理约束损失的卫星轨道预报方法

本发明公开一种基于深度学习物理约束损失的卫星轨道预报方法，步骤如下：步骤一：对输入数据进行归一化预处理，形成训练数据集和测试数据集，并构建批处理训练数据。步骤二：对步骤一形成的批处理数据中每个窗口内的样本数据点进行维度扩张，构建样本点的多维特征空间，形成可传入模型的批处理输入数据格式。步骤三：对步骤二形成的批数据使用模型进行前向推理，分别通过一个CNN轻量化时空特征提取模块和一个BiLSTM双向时序神经网络模块，得到模型输出的下一时刻的批处理轨道预测值。步骤四：将步骤三得到的轨道预测值与步骤一得到的训练集中的真值标签一并作为输入，通过一个融合物理约束的多任学习损失模块，计算得到当前训练迭代批次的损失值，并进行模型参数的反向更新，完成模型训练。步骤五：通过步骤二至步骤四，使用步骤一形成的测试集进行模型的推理验证，并与测试集中的真值进行对比，可得到模型测试结果。