[發明專利]基于結構化神經網絡的成像任務可調度性預測方法

有效

• 申請號: 201711430632.1
• 申請日: 2018-05-31
• 公開（公告）號: CN108717572B
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 何敏藩;邢立寧;白國慶;石建邁;王銳;譚旭;陳劍;黃勇;熊彥;甘文勇
• 申請（專利權）人: 佛山科學技術學院;佛山市有義家科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 楊曉松

本發明涉及基于結構化神經網絡的成像任務可調度性預測方法，通過對任務規劃結果樣本集特征值的構造與提取，構建結構化神經網絡模型，使其在學習過程中建立任務特征值和衛星能力之間的非線性映射關系，從而完成對成像任務的可調度性預測。本發明具有參數解釋能力強、能有效解決傳統前饋神經網絡模型存在的諸如模型非結構化、收斂速度慢、神經元個數很難確定及局部最小等各種缺陷、預測精度高等優點。

技術領域

本發明涉及神經網絡預測的技術領域，尤其涉及到基于結構化神經網絡的成像任務可調度性預測方法。

背景技術

遙感衛星是(remote sensing satellite)用作外層空間遙感平臺的人造衛星。用衛星作為平臺的遙感技術稱為衛星遙感。通常，遙感衛星可在軌道上運行數年。衛星軌道可根據需要來確定。遙感衛星能在規定的時間內覆蓋整個地球或指定的任何區域，當沿地球同步軌道運行時，它能連續地對地球表面某指定地域進行遙感。所有的遙感衛星都需要有遙感衛星地面站，衛星獲得的圖像數據通過無線電波傳輸到地面站，地面站發出指令以控制衛星運行和工作。遙感衛星主要有氣象衛星、“陸地衛星”和“海洋衛星”三種類型。

不同遙感衛星的工作模式和使用約束十分復雜，一般具有相對獨立的任務規劃系統；隨著遙感衛星和成像任務數目的不斷增加，如何基于不同遙感衛星任務規劃系統運行累積的大量歷史數據，采用人工智能和運籌學等領域的先進理論設計成像任務可調度性預測方法，具有非常重要的理論意義和實踐價值。

成像任務可調度性預測可表示為六元組J_T,J_p,S,C,X,G，即針對資源集合S、約束集合C和優化目標G，基于已調度任務樣本集數據J_T為新任務樣本集J_p的決策變量X＝{x₁,…,x_j}進行賦值。該問題的求解難點主要體現在以下四個方面。

(1)任務規劃問題的復雜性。智能衛星任務規劃在任務、資源、約束和優化目標等四個方面都有一定的特殊性，常見的資源調度模型與優化方法很難解決。

(2)調度算法的復雜性與不確定性。調度算法的隨機性使得調度結果也具有不確定性，同時也增加了可調度性預測的難度。

(3)任務樣本選擇的復雜性。不同衛星在軌運行過程中會積累大量的歷史任務數據，如何選擇典型代表性樣本來提高預測算法的執行效率具備一定難度。

(4)樣本特征提取的復雜性。成像任務一般具備靜態與動態兩方面的屬性特征：靜態屬性主要為任務獨立具備的不隨所在任務集合改變而變化的相關屬性，如成像任務的數據類型、分辨率、優先級、需求觀測時長、氣象條件和成像模式等；動態屬性隨著任務所在集合的變化而變化，如描述任務之間資源競爭情況、觀測機會沖突情況等。如何在各類屬性中選擇對于預測過程具有決定性影響的特征同樣是十分復雜的。

綜上，目前需要一種新的成像任務可調度性預測方法，以克服上述缺點，滿足需求。

發明內容

本發明的目的在于克服現有技術的不足，提供一種參數解釋能力強、能有效解決傳統前饋神經網絡模型存在的諸如模型非結構化、收斂速度慢、神經元個數很難確定及局部最小等各種缺陷、預測精度高的基于結構化神經網絡的成像任務可調度性預測方法。

為實現上述目的，本發明所提供的技術方案為：通過對任務規劃結果樣本集特征值的構造與提取，構建結構化神經網絡模型，使其在學習過程中建立任務特征值和衛星能力之間的非線性映射關系，從而完成對成像任務的可調度性預測；

具體步驟如下：

S1、對調度場景和成像任務的定義：