正確な短期トラフィック予測は、低軌道衛星ネットワークにおけるデータ伝送効率の向上に不可欠です。しかし、複雑な宇宙環境では、コレクターの故障、伝送エラー、メモリ障害によりトラフィック値が欠落する可能性があります。不完全なトラフィック時系列はデータの有効活用を妨げ、トラフィック予測の精度を著しく低下させます。この問題を解決するために、時空間相関に基づく不完全時系列トラフィック予測モデルを提案します。本モデルは、欠損データ推論手法による不完全時系列の再構築と、再構築された時系列に基づくトラフィック予測の二段階で構成されます。第一段階では、改良型ノイズ除去オートエンコーダに基づく欠損データ推論モデルを提案します。具体的には、ノイズ除去オートエンコーダとGrist角和場を組み合わせ、異なる時間間隔間の時間相関を構築し、時系列から構造パターンを抽出します。低軌道衛星ネットワークの独特な時空間相関を利用して、ノイズ除去オートエンコーダの欠損値初期化手法を改良しました。第二段階では、低軌道衛星ネットワークの時空間相関トラフィックを組み合わせ、多チャネル注意機構畳み込みニューラルネットワークに基づくトラフィック予測モデルを提案します。最後に、これらモデルの理想的な構造を実現するため、多元宇宙最適化アルゴリズムを使用してモデルパラメータの最適な組み合わせを選択します。実験により、異なるデータ欠損率でも提案モデルが基線モデルを上回るトラフィック予測精度を示し、有効性が証明されました。

不完全時系列;ノイズ除去オートエンコーダ;時空間相関;トラフィック予測;低軌道衛星ネットワーク