Точная краткосрочная прогнозировка трафика имеет решающее значение для повышения эффективности передачи данных в сетях спутников низкой околоземной орбиты. Однако в сложной космической среде отказ коллектора, ошибки передачи и сбои памяти могут привести к потере значений трафика. Неполные временные ряды трафика препятствуют эффективному использованию данных, что значительно снижает точность прогнозирования трафика. Для решения этой проблемы предлагаем модель прогнозирования трафика неполных временных рядов на основе пространственно-временной корреляции, состоящую из двух этапов: реконструкция неполных временных рядов с помощью методов вывода отсутствующих данных и прогнозирование трафика на основе реконструированных временных рядов. На первом этапе предложена модель вывода отсутствующих данных на основе усовершенствованного денойзингового автокодировщика. В частности, денойзинговый автокодировщик объединяется с полем суммы углов Гриста для установления временной корреляции между различными интервалами времени и извлечения структурных шаблонов из временных рядов. Используя уникальную пространственно-временную корреляцию трафика сетей спутников низкой околоземной орбиты, усовершенствован метод инициализации отсутствующих значений денойзингового автокодировщика. На втором этапе, сочетая пространственно-временной коррелированный трафик сетей низкой орбиты, предложена модель прогнозирования трафика на основе сверточной нейронной сети с многоканальным механизмом внимания. Наконец, для достижения оптимальной структуры этих моделей использован алгоритм оптимизации мультивселенной для выбора наилучшей комбинации параметров модели. Эксперименты показали, что при различных уровнях отсутствия данных предложенная модель превосходит базовые модели по точности прогнозирования трафика, что доказывает ее эффективность.

неполные временные ряды; денойзинговый автокодировщик; пространственно-временная корреляция; прогнозирование трафика; сети спутников низкой орбиты