基于LSTM和Attention-DQN的LEO网络流量预测与切换方法

本发明提供基于LSTM和Attention‑DQN的LEO网络流量预测与切换方法，涉及人工智能辅助卫星通信领域，包括构建LEO卫星动态绕轨、多组地面TTGs静止的星地通信系统的系统模型，基于该系统模型构建通信模型，进而构建TTG的切换卫星选择问题；基于系统模型和切换卫星选择问题，构建基于LSTM的流量预测网络，以分析历史流量并预测未来模式，流量预测网络由前后两层LSTM网络组成；将切换卫星选择问题建模为马尔可夫决策过程；基于马尔可夫决策过程，设计强化学习架构，该强化学习架构将自注意力机制与Rainbow DQN的对决架构相融合，以从动态可见的卫星集合中自主选择最优切换目标。本发明能够显著降低卫星峰值负载，提升切换决策的精度。