一种基于成本敏感CNN-BiLSTM网络的目标可见性预测方法

本发明公开了一种基于成本敏感CNN‑BiLSTM网络的目标可见性预测方法，该方法面向特定区域的高动态目标。首先，构建包含目标状态与端站观测几何参数的多源异质数据集，并进行预处理。其次，通过早期融合策略对多源异质数据进行特征融合，构建卷积双向长短期记忆神经网络（convolutional neural network‑ bi‑directional long short‑term memory，CNN‑BiLSTM）架构，全面提取高动态目标的空间域几何局部特征及时间域短时依赖特征，引入成本敏感学习机制解决目标可见性的极端不平衡问题。最终，实现特定区域的可见窗口精准预测。本发明能在不完美星历、极端不平衡条件下实现特定区域目标可见性精确自主预测，为空天任务规划与防碰撞预警提供有效技术支撑。