联系人：唐帅文 0731-87006125 / 18673152573
魏婉莹 0731-87006142 / 15122018329
周依芃 0731-87006107 / 13217311024
谢怡菡 0731-87006107 / 18874275767
孙佳妮 15201086188，scarlett@aconf.org（会议服务）
网 站： https://sose.aconf.cn
基于监督学习的多层卫星网络星间链路预测方法
编号：108
稿件编号：163 访问权限：仅限参会人
更新：2025-07-29 13:14:04 浏览：141次
口头报告
报告开始：2025年08月03日 17:00 （Asia/Shanghai）
报告时间：20min
所在会议：[O] 开幕式/大会报告 » [P6] 专题工作坊一、航天装备体系工程研究创新
暂无文件
摘要
随着卫星网络中卫星轨道种类和数量迅速增长，准确、快速的预测多层卫星之间的星间链路预测成为开展卫星网络拓扑建模分析与能力评估的核心基础。针对多层卫星网络的星间链路预测问题，本文基于前沿研究成果，提出基于贝叶斯优化的全连接神经网络（BO-FCNN）模型。该模型通过引入加权损失函数，结合贝叶斯优化算法，对模型参数进行深度调优，显著提升模型预测精度与场景适应性。实验结果表明，BO-FCNN 模型的平均F1 分数达到 0.82。此外，通过 Celestrak 实际卫星数据验证，该模型在真实空间场景中同样表现优秀，为多层卫星网络的拓扑建立与分析提供了有效手段。
关键字
多层卫星网络,星间链路预测,贝叶斯,全连接神经网络
报告人
发表评论