Точное прогнозирование краткосрочного потока данных имеет решающее значение для повышения эффективности передачи данных в сети низкоорбитальных спутников. Однако в сложной космической среде отказ приемников, передача ошибок и сбои памяти могут привести к потере значений потока. Неполные временные ряды потока препятствуют эффективному использованию данных, что существенно снижает точность прогнозирования потока. Для решения этой проблемы предлагается модель прогнозирования неполного временного ряда потока на основе пространственно-временной корреляции, которая разделена на два этапа: восстановление неполного временного ряда с использованием метода вывода отсутствующих данных и прогнозирование потока на основе восстановленного временного ряда. На первом этапе предлагается модель вывода отсутствующих данных на основе улучшенного шумоподавляющего автокодера. Конкретно, автокодер для подавления шума сочетается с полем суммы угловых Грассмана для установки согласования на различных временных интервалах и извлечения структурных шаблонов из временного ряда. Используя уникальную пространственно-временную корреляцию потока в низкоорбитальных спутниковых сетях, метод улучшения начальной установки отсутствующих значений автокодера для подавления шума был значительно усовершенствован. На втором этапе, путем объединения пространственно-временных потоков низкоорбитальных спутниковых сетей, предлагается модель прогнозирования потока на основе многоканального механизма внимания сверточной нейронной сети. Наконец, для достижения идеальной структуры этих моделей используется алгоритм оптимизации многомерной вселенной для выбора наилучшей комбинации параметров модели. Эксперименты показывают, что предложенная модель превосходит базовые модели в точности прогнозирования потока при различных уровнях потери данных, что подтверждает эффективность данной модели.

Неполные временные ряды; Шумоподавляющий автокодер (DAE); Пространственно-временная корреляция; Прогноз движения; Сети спутников НОУ