Orbit-determination programs find the orbit solution that best fits a set of observations by minimizing the RMS of the residuals of the fit. For near-Earth asteroids, the uncertainty of the orbit solution may be compatible with trajectories that impact Earth. This paper shows how incorporating the impact condition as an observation in the orbit-determination process results in a robust technique for finding the regions in parameter space leading to impacts. The impact pseudo-observation residuals are the b-plane coordinates at the time of close approach and the uncertainty is set to a fraction of the Earth radius. The extended orbit-determination filter converges naturally to an impacting solution if allowed by the observations. The uncertainty of the resulting orbit provides an excellent geometric representation of the virtual impactor. As a result, the impact probability can be efficiently estimated by exploring this region in parameter space using importance sampling. The proposed technique can systematically handle a large number of estimated parameters, account for nongravitational forces, deal with nonlinearities, and correct for non-Gaussian initial uncertainty distributions. The algorithm has been implemented into a new impact monitoring system at JPL called Sentry-II, which is undergoing extensive testing. The main advantages of Sentry-II over JPL's currently operating impact monitoring system Sentry are that Sentry-II can systematically process orbits perturbed by nongravitational forces and that it is generally more robust when dealing with pathological cases. The runtimes and completeness of both systems are comparable, with the impact probability of Sentry-II for 99% completeness being $3\times10^{-7}$.


翻译:对近地小行星而言,轨道解决方案的不确定性可能与撞击地球的轨迹兼容。本文展示了将撞击条件纳入轨道确定过程中的观测过程如何形成一种在引致撞击的参数空间中找到区域的可靠技术。撞击假观测残留物是接近接近时的B-平面坐标,不确定性被定在地球半径的一小部分。扩展的轨道确定过滤器如果得到观测允许,自然会与撞击解决方案相趋合。由此产生的轨道的不确定性为虚拟撞击器提供了极好的几何表示。结果,通过利用重要取样在参数空间中探索这一区域,可以有效地估计出撞击概率。拟议的技术可以系统地处理大量估计参数,考虑到非精确力,处理非精确度,并准确到非伽西米最初的不确定性分布。计算器已经应用到在JPL的不撞击监测系统中,虚拟撞击器的不确定性是S-7轨道运行轨道的精确度,而S-II系统运行的S-Rentricral系统一般是S-Rentricentral的S-rentral 测试S-Sentrial-ral-ral-ral-s

0
下载
关闭预览

相关内容

【UAI2021教程】贝叶斯最优学习,65页ppt
专知会员服务
64+阅读 · 2021年8月7日
专知会员服务
14+阅读 · 2021年5月21日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
5+阅读 · 2018年2月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月1日
VIP会员
相关VIP内容
【UAI2021教程】贝叶斯最优学习,65页ppt
专知会员服务
64+阅读 · 2021年8月7日
专知会员服务
14+阅读 · 2021年5月21日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
5+阅读 · 2018年2月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员