1.本发明涉及卫星通信领域，特别是涉及一种卫星通信系统态势预测方法。
背景技术：2.卫星通信系统的通信质量等态势情况与自然环境、设备配置、资源使用情况等因素息息相关，现有的卫星通信系统往往针对已经发生的业务进行态势分析，或者凭借专家经验历史数据形成认为的态势估计，缺乏对态势的自动化、流程化预测能力。随着机器学习领域的发展，线性回归在处理预测问题时性能稳定、操作简便，被广泛应用于经济金融、气象预报、房地产等领域。在卫星通信领域，通过对相关论文、专利的研究，发现线性回归曾用于卫星通信中诸多实际问题，例如解决tcp拥塞控制问题中，通过对往返时延数据进行线性回归分析,实现对往返时延的动态调整，提高网络资源利用率；在抗干扰性能评估中，将呼通率指标拟合成干扰功率和干扰带宽的函数关系，评估不同干扰条件下的呼通率指标，作为决策的重要参考和依据；在解决卫星通信系统信关站抗雨衰问题中，通过线性回归模型预测不同信关站的雨衰值，为信关站间的切换提供依据；在解决低轨卫星移动通信业务的频谱占用度预测问题中，通过对实际卫星站点的频谱监测数据进行多元线性回归分析，实现了对频段占用度的预测。以上方法证明了线性回归方法对于解决卫星通信中的拥塞控制、抗干扰、抗雨衰、资源利用分析等实际问题是适用的，但没有站在卫星通信系统网络管理角度，对卫星通信系统整体态势情况进行预测。
技术实现要素：3.为解决上述问题，本发明提供了一种基于线性回归的卫星通信系统态势预测方法，该方法从卫星通信系统运维管理角度出发，重点解决依据卫星通信系统采集到的数据，例如雨衰检测数据、干扰检测数据等进行态势预测的问题，确保能够基于历史数据对未来卫星通信系统态势进行估算，为管理人员和使用人员决策提供数据支撑。
4.本发明所采用的技术方案是：
5.一种基于线性回归的卫星通信系统态势预测方法，包括以下步骤：
6.(1)获取卫星系统的参数种类、参数数量以及参数的历史数据库；
7.(2)根据参数数量确定多元线性回归模型：y＝a1x1+a2x2+
…
+amxm，其中，m为参数数量，xm表示第m个参数，am为待定系数，y为态势指标；
8.(3)将历史数据库中的数据带入多元线性回归模型进行训练，求解出各待定系数，得到多元线性回归模型；
9.(4)将未来一段时间的参数值输入步骤(3)得到的多元线性回归模型中，得到态势指标y的预测值，完成卫星通信系统态势预测。
10.进一步的，步骤(3)中，通过最小二乘法或梯度下降法求解出各待定系数。
11.与现有技术相比，本发明的有益效果在于：
12.本发明站在卫星通信系统态势角度，联合多元自变量参数，进行分析，相比现有单
独分析拥塞控制、抗干扰能力、雨衰切换问题等方法，考虑的自变量更加全面，通过多元线性回归对卫星通信系统整体态势进行预测分析。
附图说明
13.图1为基于线性回归的卫星通信系统态势预测方法运行流程图。
14.图2为基于线性回归的卫星通信系统态势预测方法原理图。
具体实施方式
15.下面结合附图对本发明做进一步说明。
16.一种基于线性回归的卫星通信系统态势预测方法，该方法根据卫星通信系统实际情况确定多元线性回归模型，基于大量卫星通信系统历史态势数据训练线性回归模型，基于线性回归模型估算未来卫星通信系统态势指标进行态势预测，辅助管理人员和使用人员进行决策。其中，训练线性回归模型时，首先选取多元线性回归模型y＝a1x1+a2x2+
…
+amxm，原则是根据卫星通信系统可收集到的数据种类确定m取值；之后确定需要计算的参数为a＝[a1,a2,
…
,am]
t
；然后训练关于样本点(x,y)的n个卫星通信系统历史态势数据，通过最小二乘法或梯度下降法得出参数，其中x＝[x
1n
,x
2n
,
…
,x
mn
]，y＝[yn]；最后确定线性回归模型y＝a
t
x。
[0017]
该态势预测方法是基于根据确定的线性回归模型y＝a
t
x，给定未来一段时间的x值，通过线性回归模型计算出态势指标y的预测值，辅助管理人员和使用人员进行决策。
[0018]
以下为以更具体的例子：
[0019]
如图1和2所示，一种基于线性回归的卫星通信系统态势预测方法，包括以下步骤：
[0020]
(1)选取多元线性回归模型
[0021]
多元线性回归模型为y＝a1x1+a2x2+
…
+amxm，其中xm表示卫星通信系统实际采集到的数据类别，m表示共有几类数据，例如采集到的三类数据，分别为雨衰检测数据、干扰检测数据、频谱监测数据，则选取m＝3；am是多元线性回归模型待求解的参数；y是态势量化值，可以选用通信质量等指标表示。以m＝3为例，选取的线性回归模型为y＝a1x1+a2x2+a3x3。
[0022]
(2)基于历史数据训练线性回归模型
[0023]
选取n个历史数据点，即(x1,y1)，(x2,y2)，
…
，(xn,yn)，其中向量xn＝[x
1n
,x
2n
,x
3n
]
t
，构成矩阵x为：
[0024][0025]
x为m行n列矩阵，向量y＝[y1,y2,
…
,yn]
t
，假设(xn,yn)为线性相关，待求解的参数向量为a＝[a1,a2,a3]
t
，通过最小二乘法计算a的值为：
[0026]
a＝(xx
t
)-1
xy
[0027]
通过计算，确定a1，a2，a3的取值后即可得出线性回归模型y＝a1x1+a2x2+a3x3，即y＝x
t
a。
[0028]
(3)基于线性回归模型进行态势预测与辅助决策
[0029]
基于线性回归模型，通过给定未来的一组参数配置x
未来
，即可得出：
[0030]y未来
＝x
未来ta[0031]
在得到基于未来的参数配置下的态势指标y
未来
后，可管理人员和使用人员研判y
未来
是否符合预期要求：
[0032]
1)若符合，则直接采用x
未来
参数配置；
[0033]
2)若不符合要求，则重新调整x
未来
＝[x
1未来
,x
2未来
,x
3未来
]
t
中的一个或多个参数值，再通过线性回归模型计算未来的态势指标，评估参数调整后的态势指标能否达到预期要求。
[0034]
通过线性回归模型进行态势预测能够帮助管理人员和使用人员更好的操作卫星通信系统以达到预期的能力效果。