trad ordi Iannello, Ulich, Godfrey ;
http://mh370.radiantphysics.com/2019/05 ... FUCa9oSnN0La communauté des chercheurs indépendants est divisée sur le lieu où une nouvelle recherche sous-marine devrait être effectuée. Dans cette optique, Bobby Ulich, PhD, a tranquillement mis au point de nouveaux critères statistiques qui complètent ceux que beaucoup d’entre nous avaient utilisés par le passé. L'objectif de cette recherche est de définir un nouveau domaine de recherche de taille gérable et offrant une chance raisonnable de succès. Bobby a travaillé en étroite collaboration avec Richard Godfrey pour identifier les chemins candidats, et avec moi dans une moindre mesure. À ce stade, le candidat le plus prometteur est une trajectoire de longitude constante, c’est-à -dire qui suit une trajectoire constante du sud, alignée avec le point de cheminement BEDAX, et franchit le 7e arc situé près de 34,3S de latitude. Ce chemin, qui avait été identifié comme candidat il y a quelques années, aurait pu être facilement programmé dans les ordinateurs de vol avec les points de cheminement BEDAX et le pôle Sud (par exemple, en entrant le point de cheminement S90E000). Les travaux se poursuivent pour évaluer ce chemin et d’autres.
La note ci-dessous de Bobby donne un aperçu de la nouvelle méthodologie. Elle est fournie ici pour susciter les commentaires des contributeurs du blog.
Note de Bobby Ulich, PhD
Il existe deux informations MH370 disponibles qui n'ont pas encore été pleinement utilisées pour prévoir la route sud et la latitude la plus probable pour l'impact près du 7e arc. Aucune des deux n'a été incluse dans l'analyse bayésienne de DSTG.
Le premier élément est l’inclusion d’un modèle détaillé et précis du débit de carburant. Toutes les analyses DSTG ont effectivement ignoré la consommation de carburant en tant que discriminateur d'itinéraire en supposant un «carburant infini». Plusieurs de mes collègues et moi-même avons ensuite développé des modèles de flux de carburant et les avons comparés avec les tableaux Boeing, les vols antérieurs au 9M-MRO et le plan de vol MH370 afin de valider les prévisions. Mon modèle de flux de carburant correspond à ces comparaisons, presque toujours à +/- 1%. Si j'ai bien compris, Boeing a effectué des calculs de distance et d'endurance et a constaté qu'il était possible, à une combinaison d'altitude et de vitesse, que le 9M-MRO atteigne une large étendue du 7ème arc, excluant totalement uniquement la région située au-delà de 39S environ. . Cependant, les analyses DSTG n’ayant pas pris en compte la consommation de carburant pour chaque route qu’elles ont examinée, il n’est donc pas connu si cette route était réellement exploitable avec le carburant disponible. Il s’agit là d’une considération importante, compte tenu en particulier du fait que sur une grande partie de la région d’intérêt SIO, les températures de l’air à haute altitude la nuit en question variaient jusqu’à 12 ° C par rapport à ISA sur une plage d’altitudes de seulement environ 5 000 pieds. Ainsi, de petits changements d'altitude ont eu des effets majeurs sur le TAS et sur le débit de carburant.
Dans mon calculateur d'itinéraire, on peut soit prédire le temps d'extinction du carburant des moteurs principaux (MEFE) en utilisant le PDA moyen connu pour la croisière, soit maintenir le temps MEFE à 00:17:30 (par ATSB) en ajustant le PDA supposé. Je fais généralement ce dernier point car cela donne le poids correct en fonction du temps, ce qui affecte la vitesse indiquée. Il est également important de prévoir la possibilité que la purge d'air ait été coupée après la dérivation, réduisant ainsi le débit de carburant de plusieurs pour cent. Donc, en réalité, le PDA effectif qui donne l’endurance correcte est potentiellement une plage de valeurs entre 1,5% (la valeur connue avec purge d’air activée) et environ -0,8% (l’équivalent de la purge d’air pur pour tout le vol après déroutement) . Les PDA les mieux adaptés, supérieurs à + 1,5% et inférieurs à -0,8%, sont de moins en moins probables.
Inmarsat et DSTG ont fourni certaines analyses des erreurs de lecture BTO et BFO basées sur des vols antérieurs. De manière générale, jusqu'à présent, les statistiques associées à ces erreurs de lecture sont la moyenne et l'écart type. Dans de nombreux cas, les statistiques RMS ont également été utilisées pour faciliter l’adaptation du modèle de route aux données satellitaires, mais les statistiques fondamentales sont la moyenne et l’écart type des erreurs de lecture BTO / BFO. Dans le cas des BFO, nous ne pouvons pas savoir que l'erreur de lecture moyenne (en réalité, le terme de biais du BFO) n'a pas changé en raison du cycle de puissance en vol se terminant vers 18:24. Par conséquent, nous n'avons en réalité que trois de ces quatre statistiques disponibles pour l'ajustement d'itinéraire: la moyenne résiduelle de BTO, l'écart type résiduel de BTO et l'écart type résiduel de BFO.
En ce qui concerne l'écart type des erreurs de lecture du BFO, de nombreux débats ont eu lieu par le passé concernant les critères apparemment incohérents utilisés par Inmarsat et par DSTG. J'ai modélisé les erreurs de lecture BFO comprenant (1) bruit électronique aléatoire, (2) dérive d'OCXO non ergodique et non stationnaire, (3) erreurs de quantification trigonométriques dans le code de compensation Doppler AES qui donnent l'apparence d'être quasi-aléatoire. pour des lectures très espacées dans le temps, et (4) des erreurs de vitesse verticale d’environ 40 pieds par minute ou plus par rapport au profil de vitesse verticale nominale (causées principalement par la turbulence). J'ai développé un modèle statistique simple pour le bruit de lecture BFO, et ce modèle donne des résultats cohérents avec les deux ensembles de critères. Ce nouveau modèle de bruit de lecture BFO est ce que j’utilise dans mon ajusteur d’itinéraires actuel.
Le deuxième élément d’information précédemment non utilisé est également important pour discriminer les itinéraires incorrects. Cet élément est le fait que les erreurs de lecture BTO et BFO ne sont pas corrélées les unes avec les autres, et avec la plupart des paramètres d’ajustement de route (avec peut-être une exception). Notez que ce sont les erreurs de lecture qui ne sont pas corrélées, et non les valeurs réelles attendues pour BTO / BFO. Le degré de corrélation de couples de paramètres est quantifié à l'aide du coefficient de corrélation de Pearson, et ces valeurs peuvent être utilisées comme métriques statistiques supplémentaires de la qualité de l'ajustement pour True Route. La seule exception qui aurait pu se produire concerne les erreurs de lecture de BFO, qui pourraient changer linéairement avec le temps en raison de la dérive d'OCXO. Nous devons donc utiliser ce cas de corrélation (BFO résiduels par rapport au temps) avec prudence, sachant qu’une telle dérive aurait pu se produire, bien que nous ne voyions pas de cas évidents de grandes dérives linéaires lors de vols antérieurs. Il semble possible qu'un cycle très froid de l'OCXO produise un décalage de la fréquence de polarisation, mais il n'est pas évident qu'un tel cycle serait plus susceptible de produire une dérive linéaire plus grande de la fréquence de polarisation bien après le préchauffage. Lors de vols antérieurs, on a observé de petites dérives de plusieurs Hz au cours d’un vol unique, et il n’était pas surprenant qu’elles se produisent dans MH370 après 19h41.
Nous pouvons augmenter considérablement le nombre de métriques statistiques devant être satisfaites par un ajustement utilisant True Route en ajoutant de nombreux coefficients de corrélation aux moyennes et aux écarts-types précédemment utilisés des résidus BTO et BFO. L'utilisation d'un plus grand nombre de métriques (environ 10 à 12 au total) permet une plus grande sélectivité lors de l'ajustement d'itinéraire et une meilleure discrimination des itinéraires incorrects.
Pour pouvoir utiliser efficacement ces métriques de corrélation supplémentaires, il est indispensable de mettre au point une méthode permettant d’obtenir les meilleurs résidus BTO / BFO qui se comportent de manière statistique identiques aux erreurs de lecture BTO / BFO. Ces deux paramètres, les résidus les mieux adaptés et les erreurs de lecture, ne sont généralement pas la même quantité. Ils ne sont identiques que lorsque le modèle utilisé pour prédire la position de l'aéronef en 4-D (avec 7 paramètres de route supposés) est parfait. Aucun modèle de prévision d'aéronef 4-D n'est parfait, en particulier à la lumière des erreurs attendues dans les données de température et de vent du GDAS (qui doivent être interpolées en 4-D pour les calculs le long de la route). Au mieux, il y aura de petites erreurs systématiques (quelques NM) dans la position prédite du modèle aux heures de prise de contact. Les composantes parallèles et croisées des erreurs de position sont systématiques et doivent être prises en compte afin de comparer les erreurs de lecture attendues des BTO / BFO avec les résidus BTO / BFO les mieux adaptés. Si cela n'est pas fait, alors une correspondance précise avec des métriques statistiques est impossible. En d'autres termes, obtenir un ajustement cohérent avec la moyenne et l'écart type attendus n'est pas très discriminant car il ignore le nombre encore plus grand de métriques statistiques que le True Route doit également satisfaire. La question est de savoir comment supprimer les erreurs systématiques dans les prédictions d'emplacement de prise de contact du modèle de vol (à l'aide de données GDAS), de sorte que les résidus les mieux ajustés ne soient essentiellement que des erreurs de lecture.
J'ai trouvé que c'était effectivement possible si les erreurs de prédiction systématique étaient petites. Fondamentalement, la procédure consiste à ajuster les positions lat / lon aux heures de prise de contact. J'utilise uniquement les cinq points de négociation de 19: 41-00: 11. Ces données peuvent être bien ajustées avec un seul ensemble de sept paramètres de route sans manœuvres, ce qui évite d'avoir à formuler des hypothèses sur la FMT, si ce n'est qu'elles se sont déroulées avant 19h41. Les données MH370 enregistrées par Inmarsat entre le 7 et le 8 mars 2014 entre 19h41 et 00h11 UTC sont tout à fait cohérentes avec un trajet emprunté au cours de cette période, alors que vous vous dirigiez vers le sud et vous dirigez vers le sud de l'océan Indien, sans manœuvres majeures telles changements de vitesse importants. En supposant un itinéraire prédéfini au cours de cette période en utilisant le pilote automatique, des solutions compatibles avec les données BTO et BFO peuvent être trouvées, comprenant 5 ensembles de BTO et BFO à 5 heures de prise de contact connues. Les BFO d'appels téléphoniques de 23:14 ne sont pas utilisés car il n'y a pas de détermination indépendante du biais de fréquence (décalage) de ce canal.
Une fois que j'ai les cinq emplacements ajustés, je les compare aux emplacements prévus par le modèle pour générer un ensemble de cinq erreurs de position parallèles et de cinq erreurs de positionnement croisées. Ensuite, je trouve les erreurs de vitesse au sol pour chaque étape de l’itinéraire qui produisent les erreurs de position le long de la trajectoire. Je trouve également les erreurs de navigation latérale qui produiraient les erreurs de position croisées. Notez que les erreurs de position entre pistes ne se produisent pas pour les itinéraires LNAV (grand cercle), mais uniquement pour les itinéraires à trajectoire et à cap constants. Les erreurs de vitesse au sol sont causées par des erreurs de vitesse et par des erreurs de vent sur la trajectoire du GDAS. Les erreurs de vitesse anémométrique sont minimes (probablement 1 kt ou moins) et sont principalement dues à des erreurs dans les données de température GDAS. L'erreur de vent le long de la trajectoire est probablement d'au moins plusieurs nœuds à un endroit et à une heure donnés. Cependant, nous n'avons besoin que de l'erreur de vent moyenne pour chaque étape d'environ 1 heure le long de l'itinéraire et ces erreurs moyennes seront généralement plus petites. J’estime que l’erreur de vitesse au sol le long de la voie avec mon modèle est d’environ 1 à 2 nœuds. Cela signifie que nous devons limiter l'ajustement de sorte que la différence entre l'emplacement prévu par le modèle et l'emplacement optimal (dans le sens de la trajectoire) équivaut à une erreur de vitesse au sol maximale inférieure à environ 1 à 2 nœuds. Je m'attends également à ce que les erreurs de vitesse au sol varient progressivement avec le temps et l'emplacement. J'ai donc mis des contraintes sur les GSE en termes de valeur de pointe et de régularité lors du processus d'ajustement d'itinéraire.
Pour les modes de navigation à trajectoire constante et à cap constant, les erreurs de position entre pistes sont causées par une combinaison d'erreurs de vent GDAS entre pistes et d'erreurs de relèvement de la navigation latérale du FMC. Les erreurs de navigation latérale sont en grande partie non documentées publiquement, mais je m'attends à ce qu'elles représentent une petite fraction de degré pour les modes de suivi constant. Les erreurs de navigation latérale dans les modes à cap constant sont principalement dues à des erreurs dans les vents transversaux prévus, et elles seront plus grandes que les erreurs de navigation latérale dans les modes à trajectoire constante. En LNAV, il n'y a pas d'erreur de position transversale.
Un des avantages de cette méthode d’ajustement de route est qu’elle nécessite un très bon modèle, mais pas un modèle parfait. Il doit prédire les emplacements, sur la base des 7 paramètres de route et des données de vent et de température GDAS 4-D, avec une précision d'environ 5 à 10 NM. Il s'agit d'une région considérablement plus grande que l'incertitude de localisation (dans une dimension) en raison du bruit de lecture du BTO. Néanmoins, on peut estimer les véritables localisations avec la précision complète des données satellites en suivant la méthode d’ajustement de route décrite ci-dessus, en utilisant les métriques statistiques pour séparer la partie véritablement aléatoire des résidus des erreurs systématiques / non aléatoires du modèle / GDAS. Lorsque les emplacements synthétisés sont la route vraie, les résidus les mieux adaptés se comporteront statistiquement de manière identique aux erreurs de lecture BTO / BFO.
Il est également possible de calculer un seul facteur de mérite pour un ajustement donné en se basant sur les métriques 10-12 décrites ci-dessus. J'utilise le calcul de la combinaison chi-carré de Fisher qui recherche une valeur de centile unique qui correspond le mieux aux valeurs de centiles de chacune des statistiques indépendantes combinées. Les valeurs en centiles représentent le pourcentage d'essais aléatoires qui ne sont pas meilleurs que ce résultat, en supposant l'hypothèse nulle. Dans le cas MH370, l'hypothèse nulle est la même pour chaque statistique, à savoir que la route ajustée est la route vraie. L'hypothèse alternative est que la route n'est pas vraie pour au moins une des statistiques. La valeur attendue de tous les centiles individuels et combinés est de 50%; c'est-à -dire que la moitié des essais aléatoires conviendra mieux et la moitié moins bien. Nous ne pouvons utiliser aucune autre hypothèse que celle de la route, car nous n'avons aucune idée de ce que devraient être les valeurs des métriques lorsque la route n'est pas vraie. Nous connaissons uniquement leurs valeurs attendues (et leurs écarts types) pour le cas où la route est vraie. Ainsi, nous nous attendons à ce que True Route ait une valeur de percentile combinée de Fisher attendue de 50% (avec un écart-type de 29%). Les itinéraires non vrais (c'est-à -dire incorrects) auront des valeurs de percentile de Fisher nettement inférieures à 50%. C'est comment les itinéraires incorrects sont discriminés. La fonction d'objectif d'acheminement maximise le percentile de Fisher. Par conséquent, chaque essai tente de faire correspondre les valeurs attendues des statistiques pour True Route.
Deux activités connexes ont été réalisées pour valider les calculs de centiles. Tout d'abord, un processeur simulé a été codé, ce qui a généré des erreurs de lecture aléatoires de BTO et de BFO. Ensuite, toutes les statistiques individuelles et leurs valeurs en centiles ont été calculées. Enfin, le percentile de Fisher combiné a été calculé. Lors de l’utilisation de 100 000 essais, il s’est avéré que les valeurs de centile réelles se situaient à moins de 1% de leurs valeurs nominales pour toutes les statistiques individuelles et combinées. Pour obtenir ce résultat, les statistiques ont été séparées en quatre classes, chacune avec sa propre statistique Z et sa fonction de densité de probabilité. La deuxième expérience de validation a consisté à injecter des erreurs de lecture aléatoires de BTO et de BFO dans le programme d’ajusteur de route lui-même et à vérifier que les centiles combinés corrects ont été obtenus.
On se rendra compte que cette méthode d’ajustement statistique, avec une douzaine de métriques et des localisations synthétiques, impose un temps de calcul considérable, elle n’est donc pas idéale pour identifier les régions d’intérêt (ROI). La génération précédente d'ajusteurs de route utilisant uniquement les métriques BTO / BFO est beaucoup plus efficace pour évaluer le très grand nombre de combinaisons de paramètres d'itinéraire afin d'identifier tout le ROI, qui peut ensuite être affiné et évalué à l'aide de la méthode d'ajustement statistique pour évaluation et comparaison. .
Jusqu'ici, après une longue recherche systématique, nous avons identifié plusieurs retours sur investissement, qui sont en cours d'évaluation avec la nouvelle méthode statistique. J'ai déjà démontré qu'une voie en particulier (LNAV à 180 degrés de relèvement vrai via BEDAX au niveau de LRC et au FL390 se terminant vers 34.3S) correspond parfaitement à la méthode True Route utilisant la méthode statistique. Actuellement, de nombreux autres ROI sont en cours d'évaluation et de comparaison. Les résultats préliminaires à ce jour montrent qu'ils correspondent à des ajustements inférieurs, mais ces travaux ne sont pas encore terminés.
Le but de ce travail était de développer un moyen de mieux discriminer les routes en utilisant des métriques supplémentaires, y compris PDA et de nombreux coefficients de corrélation, et de compenser les erreurs systématiques dans les localisations prédites par le modèle, de sorte que les résidus les mieux ajustés puissent être comparés directement à les erreurs de lecture BTO / BFO connues. Nos premiers résultats sont prometteurs. En fait, il est peut-être possible de démontrer qu’il n’existe qu’une solution d’acheminement parfaitement compatible avec les données satellitaires. Des informations plus complètes et détaillées seront fournies une fois nos évaluations terminées.