利用改进的LSTM算法，构建天地一体化的信息网络流量预测模型。

简介：
天地一体化信息网络由于其流量呈现出突发性强、拓扑结构易随时间变化等特点，因而经常出现通信中断的情况，且流量波动的不稳定性使得对其流量进行预测的难度远高于地面网络。为了解决这一挑战，本文提出了一种改进的LSTM算法。首先，该算法对流量序列中的滞后变量对其预测结果的影响进行了深入分析，并评估了流量的自相关性。随后，通过采用以预测值来替代中断情况的方式，有效地消除了训练集中的噪声以及数据断点带来的影响。最后，借助Dropout算法进一步降低了噪声以及神经网络过度拟合所产生的负面效应，从而能够更准确地预测天地一体化信息网络中的流量数据。通过仿真实验，在OPNET仿真环境中验证了该算法的性能，结果表明相较于其他算法，该算法在准确性方面提升了59.21%，同时在训练速度方面也实现了11.11%的提升，为天地一体化信息网络的统筹调度提供了可靠的数据支持。