Sep, 2018

预测火星快车航天器的热功耗的机器学习

PDF
TL;DR文章提出了一种机器学习方案用于构建精确的预测模型以预测 Mars Express 空间船上热子系统的功耗， 通过对原始遥测数据进行转换，使用不同的机器学习方法构建精确的模型，旨在优化 Mars Express 的科学任务的分配，并提供更好的深入分析和规划。
mars expressthermal subsystemmachine learningpredictive modelstelemetry data
发现论文，激发创造
  • 预测太阳能热产量以优化可再生能源利用

    利用太阳能满足空气供暖和生活热水需求在环境和成本方面非常高效，但要确保全年用户需求得到满足，需要结合辅助供暖系统，通常为锅炉和热泵。为了在小型家庭装置中部署先进的控制策略，我们提出了一种利用机器学习自动构建和持续适应预测热量生产模型的方法，该设计基于从低成本仪器中提取的监督信息构建和调整模型，避免了极高的准确性和可靠性要求；在推理时，使用通常在公开的天气预报中提供的输入。通过注意力机制的机器学习解决方案满足了我们的要求，我们提出了解决方案的良好实证结果，并讨论了这些结果对整个系统的影响。

    May, 2024

  • 用机器学习回归算法预测高能质子通量

    利用从电子流中获得的特征，我们提出了一个简单而高效的机器学习回归算法，能够提前 1 小时预测能量质子通量，以改进深空和近地环境的辐射风险监测系统。

    Jun, 2024

  • 自主载荷热控制

    通过利用卫星间越来越智能化的优势，提出了一种基于深度强化学习和软优势演员 - 评论家算法的框架来学习卫星上的热控策略，实验证明该框架能够学习控制处理功率以维持温度在操作范围内，并补充传统的热控系统。

    Jul, 2023

  • 机器学习辅助热电制冷多热点热管理

    这项研究介绍了一种新颖的机器学习辅助优化算法，用于实时多热点条件下基于实时多热点条件下基于实时多热点条件下基于实时多热点条件下基于实时多热点条件下的系统并获得准确的温度预测，从而实现全局最优温度控制。

    Apr, 2024

  • 太阳物理中的机器学习

    机器学习可以在太阳物理学中应用，帮助我们更深入地了解太阳大气中发生的复杂过程，并通过更复杂的模型来解释数据以及通过自动化分析太阳数据，减少人工劳动，提高研究效率。

    Jun, 2023

  • 基于机器学习模型的 UTEQ 太阳辐射预测

    本研究旨在探索不同机器学习模型在预测 State Technical University of Quevedo 中心校区太阳辐射方面的有效性，并通过开发基于网络的工具展示该模型在实时太阳辐射预测中的实用性，为高效太阳能管理提供贡献。

    Dec, 2023

  • 基于机器学习和现役数据的客渡预测燃料消耗的比较研究

    本文提出了一种能够使用乘客船只的实时数据来预测燃油消耗的模型，采用统计和领域知识方法选择合适的输入变量，其中包括多元线性回归、决策树、人工神经网络和集成方法进行预测。最佳的预测性能来自于使用 XGboost 技术的集成方法。

    Oct, 2023

  • 神经网络集成的太阳辐射概率预测

    本文针对研究低轨道物体受热层密度影响，提出优化以 Space Environment Technologies（SET）为基础的 $F_{10.7cm}$ 预测的方法，使用神经网络集成、多层感知器和长短期记忆等模型，其中最佳模型为组合多步预测和动态预测的集成方法，相较于基线，均方根误差相对提升在 45% 至 55% 间。

    Jun, 2023

  • 机器学习优化的太阳能热解淡化研究中的数据收集和分析过程

    对太阳能热解淡化领域的机器学习进行了有效的跨学科研究，通过优化的数据采集和分析过程，成功收集并分析了大规模的数据集，探究了数据集规模和范围对预测准确性、影响因素重要性排名和模型泛化能力的影响，为实现太阳能热解淡化的机器学习流程提供了重要的参考。

    Jul, 2023

  • ML 训练与推断中的能耗实证研究

    本研究旨在通过研究绿色机器学习，考察不同模型架构和超参数在训练和推理阶段中的能效实践，以提供可持续的机器学习操作的实用指南，强调降低能耗和碳足迹同时保持性能。

    Jun, 2024