近地小行星极短弧定轨和轨道关联方法研究

In recent years, the number of patrol projects of near earth asteroid(NEA) is increasing quickly, and a large number of observations have been obtained. However, the typical observation type of sky surveys results in too short data arcs. Meanwhile the classical methods of initial orbit determination (IOD) have great difficulties in orbit determination and recognition for the too short arcs(TSAs), together with the morbidity of short arc orbit determination itself. Then effective use of these massive TSAs is of great significance to the research of asteroid, as well the discovery, monitoring and calculation of impact probabilities and risk assessment of the NEAs. This project plans to imply the evolutionary algorithms to construct a unified framework of IOD and orbit identification with TSAs from a new perspective. In this framework，evolutionary algorithms with TSA suitable for different situations are constructed，and under the condition of weak prior information the arc length needed for TSA is attempted to cut down. An orbit correlation method based on evolutionary algorithms is also planned to be established. Finally, the method is applied to the calculation of measured data in batches.

近年来，近地小行星的巡天项目不断涌现，得到了海量的观测数据。典型的巡天观测方式使获得的数据弧段过短，传统方法对这些目标的定轨和识别存在极大困难，加之短弧定轨问题本身的病态性，如何有效利用这些短弧数据对于发现、监测和评估小行星的威胁具有重要的意义。本项目拟利用进化算法，从新的角度构建极短弧定轨和轨道关联的统一框架，在此框架下构建适合不同情况的算法，并进行弱先验信息条件下的短弧定轨，同时研究基于进化算法的轨道关联方法，最终应用于实测数据的归算。

近地小行星的巡天项目获到了大量的观测数据。而巡天观测的方式使获得的数据弧段过短，传统方法对这些目标的定轨存在极大困难，加之短弧定轨问题本身的病态性，能够有效利用这些短弧数据对于发现、监测和评估小行星的威胁具有重要的意义。本项目利用进化算法，从新的角度建立了近地小行星极短弧初定轨的理论框架，在此框架下对不同偏心率、不同弧段下的小行星进行分类讨论，小行星轨道的偏心率跨度为[0,0.7]，采用的观测弧段少于 3 天。算法在小偏心率轨道下可搜索到真实解的所在区域，对偏心率较大的轨道和弧段极短（数小时内）的搜索能力不够灵敏，但在对偏心率进行弱约束后，会出现优势解的聚集型分布。在传统方法得到的解已失效的情况下，进化算法得到的解的分布仍可对轨道参数所在范围进行提示。同时对潜在危险小行星 Apophis 进行了详细分析，采用跨度一天的弧段（6个观测数据点）进行定轨。发现解的分布特征可以用来约束解空间，为后续工作提供参考范围，并支持后续的监测跟踪。实验结果也对观测数据的精度提出了要求。.在研究进化算法的基础上，探索了其与Levenberg-Marquardt 算法的混合算法并应用于小行星物理参数如周期的反演中。不同于以往采用单一算法或者依次采用多种算法的方式，采用全局搜索能力强的遗传算法与擅长局部寻优的 Levenberg-Marquardt 算法进行混合，将Levenberg-Marquardt 算法作为整体插入遗传算法的框架中，兼顾了计算精度和计算效率，使计算效率提高了约20倍。混合方法操作简便，可以用于其他算法混合的参考。另一方面，Levenberg-Marquardt 算法强大的局部搜索能力也可以在后续应用于极短弧定轨的问题中，与进化算法相结合，提高搜索精度。