정확한 단기 트래픽 예측은 저궤도 위성 네트워크의 데이터 전송 효율성을 향상시키는 데 매우 중요합니다. 하지만 복잡한 우주 환경에서는 수집기 고장, 전송 오류 및 메모리 고장으로 인해 트래픽 값이 손실될 수 있습니다. 불완전한 트래픽 시계열은 데이터의 효율적인 활용을 방해하여 트래픽 예측 정확도를 현저히 저하합니다. 이 문제를 해결하기 위해 시공간 상관성을 기반으로 한 불완전 시계열 트래픽 예측 모델을 제안하며, 이 모델은 두 단계로 나뉩니다: 결측 데이터 추론 방법을 통한 불완전 시계열 재구성 및 재구성된 시계열을 기반으로 한 트래픽 예측. 첫 번째 단계에서는 개선된 잡음 제거 오토인코더 기반 결측 데이터 추론 모델을 제안합니다. 구체적으로, 잡음 제거 오토인코더와 그리스트 각도 합장 필드를 결합하여 서로 다른 시간 간격 간의 시간상관성을 구축하고 시계열에서 구조 패턴을 추출합니다. 저궤도 위성 네트워크 트래픽의 독특한 시공간 상관성을 활용하여 잡음 제거 오토인코더의 결측값 초기화 방식을 개선합니다. 두 번째 단계에서는 저궤도 위성 네트워크의 시공간 상관 트래픽을 결합하여 다중 채널 주의 메커니즘 합성곱 신경망 기반 트래픽 예측 모델을 제안합니다. 마지막으로, 이러한 모델들의 이상적인 구조를 구현하기 위해 다중우주 최적화 알고리즘을 사용하여 모델 매개변수의 최적 조합을 선택합니다. 실험 결과, 다양한 데이터 결측률에서 제안된 모델이 트래픽 예측 정확도에서 기준 모델보다 우수함을 보여 모델의 유효성을 입증했습니다.

불완전 시계열; 잡음 제거 오토인코더; 시공간 상관성; 트래픽 예측; 저궤도 위성 네트워크