一种基于Bi-GRU 的卫星对地观测任务可调度性预测方法

陈浩，罗棕，杜春，彭双，李军

（国防科技大学 电子科学学院，湖南 长沙 410073）

随着成像卫星技术的不断发展，社会各领域对成像卫星的使用需求也越来越多，由于卫星资源有限，无法满足所有对地观测需求，导致观测需求冲突经常发生.卫星任务规划是从众多的卫星对地观测请求中选出一个无冲突子集，使得观测收益最大化.已有研究表明，卫星任务规划是一个典型的NPhard 问题[1-2]，目前尚没有多项式时间快速算法，大规模情况下，卫星任务规划具有庞大的解空间，通过随机搜索得到初始解的方法，需要较长的求解路径，规划计算费时费力[3].而卫星绕地球飞行，轨迹和任务均呈现周期性特点，可见历史规划方案对当前方案的制定有较大借鉴意义.如果把历史规划方案看作训练数据，这就使得通过构建机器学习模型，从而准确预测当前规划方案成为了可能，这就是卫星成像任务可调度性预测问题.通过预测得到卫星成像调度结果的方法计算量低，能够快速获得任务可调度性.此外预测结果不仅能初步表达最终调度结果、供操作员估算长期规划效益，还能为规划算法提供高价值的初始解.因而，卫星成像任务可调度性预测问题受到了学者的广泛关注.

Wang 等[4]、Tinker 等[5]提出基于案例学习的卫星观测任务规划方法，利用卫星规划历史数据集进行无监督学习，通过与已知的实例进行比对完成卫星任务规划.与无监督学习方法相比，监督学习……