2022年6月28日上午，十大免费货源网站空天数据智能交叉创新中心召开第4期研究生学术报告会。本期报告会由学生自主担任程序委员会主席，由航空航天学院王颖、洪文兴、曾念寅、杨帆、林冬云等研究生导师出席，并总结点评。

报告会上，3位报告人按照学术会议礼仪依次汇报了最新的工作，简述如下。

1.脚本事件预测任务介绍及研究现状概述

脚本事件预测任务是对结构化事件的演化推理，可以支持许多下游任务，比如讲故事，对话生成等。相比于问答、常识推理等经典的自然语言处理任务，脚本事件预测任务并不被广泛关注。因此，为了让大家快速了解该任务，本次汇报首先介绍脚本事件预测任务的定义、基本概念和相应的评测方法，然后概述其发展过程中的4个重要阶段中的代表方法，最后总结目前研究方法中的3个主要趋势。

2.基于双重注意力机制LSTM模型的轨道预报精度提高方法

为了解决传统的解析法动力学轨道预报模型所带来的预报误差，本研究提出了一种基于误差数据驱动的轨道预报精度提高方法。该方法在解析法动力学模型的基础上，利用提出的双重注意力机制的LSTM模型（DA-LSTM）对历史轨道误差进行学习，预测未来解析法动力学模型的预报误差，以此修正解析法动力学模型的预报结果。实验选用了BEIDOU IGSO 1卫星轨道数据和SDP4动力学模型进行仿真验证，实验结果表明误差修正方法能够大幅提升轨道预报精度，并通过实验对比证明了所提出的DA-LSTM模型具有更高的预测精度。

3.求解动态多目标问题的自组织学习预测方法

本研究提出了一种自组织学习预测方法用于动态多目标问题的求解，并在基准测试函数上展示了所提方法的有效性。该工作针对处理动态性这一难题，设计了基于适应度的环境评估机制，深入分析当前的环境变化；提供多种具有不同侧重点的训练样本以包含历史经验和特殊点在内的丰富信息，并依据上述评估，自适应地选择样本训练预测器，从而输出新环境下的优质初始种群，促进算法的快速收敛。在一系列基准测试函数上的验证表明，该算法能及时追踪不断变化的Pareto前沿，同时表现出良好的多样性。

现场实况

图：李寒，2020级

文：李寒，2020级