Data-Driven Mission Recommendation for LEO Satellites using Random Forest and Hybrid Deep Learning Forecasting
Diese Arbeit präsentiert ein datengesteuertes Framework für LAPAN-IPB LEO-Satelliten, das einen hybriden SARIMAX-LSTM-Spannungsprognostiker und einen Random-Forest-Klassifikator kombiniert, um auditierbare, evidenzbasierte Missions-Empfehlungen zu generieren und somit die Abhängigkeit von undokumentierter Operator-Erfahrung durch einen reproduzierbaren, objektiven Planungsprozess zu ersetzen.