TCN-Transformer 모델을 이용한 위성 충돌 확률 조기 예측

Early Prediction of Satellite Collision Probability Using a Hybrid TCN-Transformer Model for a CDM-Based Conjunction Analysis Framework

위성 및 궤도 잔해의 급속한 증가로 저지구 궤도(LEO)에서의 근접 접근 사건이 빈번해지고 있으며, 이는 위성 운영자에게 높은 운영 부담을 초래하고 있다. 본 연구는 Conjunction Data Messages (CDMs)를 기반으로 위성 충돌 위험을 조기에 예측하기 위한 학습 기반 프레임워크를 제안한다. 제안된 방법론에서는 Unscented Transform 기반의 전파 및 역전파 프레임워크를 사용하여 충돌 위험 지표의 CDM 매개변수에 대한 민감도를 평가하고, 주성분 분석(PCA)을 통해 충돌 확률(Probability of Collision, PoC) 변동과 관련된 주요 특징을 식별한다. 이후 하이브리드 Temporal Convolutional Network (TCN)-Transformer 모델을 훈련시켜 충돌 위험의 시간적 변화를 학습한다.