本发明涉及卫星物联网，尤其涉及一种自适应气候变化的卫星物联网智能通信方法。
背景技术：
1、随着全球气候变化不断加剧，极端天气事件如暴雨、暴风雪等变得日益频繁，这给卫星物联网通信系统的稳定性和可靠性带来了前所未有的挑战。传统的卫星物联网通信方法在面对这些挑战时，显示出其固有的局限性和不足。
2、首先，气候变化导致的极端天气条件对通信信号的影响尤为显著。暴雨、暴风雪等极端天气不仅会导致通信信号受到严重衰减，进而影响通信质量，还可能引发通信中断。然而，传统的卫星物联网通信方法缺乏准确的信号预测机制，无法根据实时的气候情况动态调整通信参数，以应对气候变化带来的不确定性。
3、其次，用户设备的分布动态变化对通信资源的分配和通信质量的影响也不容忽视。移动设备的位置变化、固定设备的增减等因素都会改变用户设备的分布情况，从而影响通信信号的覆盖范围和通信资源的分配。传统的卫星物联网通信方法往往无法实时跟踪和预测这种变化，导致通信资源的分配不合理，无法满足用户的需求，进而影响通信质量。
4、同时，卫星与监测地区之间的距离变化也是影响通信质量的重要因素。由于卫星轨道的微小偏移、地球自转等因素，卫星与监测地区之间的距离会发生变化，进而影响通信信号的传输距离和传输质量。传统的卫星物联网通信方法无法准确预测和应对这种距离变化，导致通信质量的不稳定，甚至可能出现通信中断的情况。
技术实现思路
1、本发明的目的在于提供一种自适应气候变化的卫星物联网智能通信方法，提高了卫星物联网通信的稳定性和可靠性，优化了资源的配置和使用效率，以解决上述现有技术问题的至少之一。
2、第一方面，本发明提供了一种自适应气候变化的卫星物联网智能通信方法，所述方法具体包括：
3、获取各监测地区的气候监测数据和卫星物联网通信信号参数，根据所述气候监测数据和所述卫星物联网通信信号参数，通过支持向量机回归模型建立信号衰减预测模型，所述信号衰减预测模型用于确定各监测地区的气候条件对卫星物联网通信的信号影响程度；
4、获取各监测地区的用户固定设备的设备分布情况，并对用户移动设备的历史位置数据进行跟踪预测，获得所述用户移动设备的预测移动轨迹，根据所述设备分布情况和所述预测移动轨迹确定用户设备分布动态变化情况；
5、获取各卫星分别与各监测地区的距离数据，根据所述信号影响程度、所述用户设备分布动态变化情况和所述距离数据，采用模拟退火优化算法动态调整各卫星的卫星波束指向和发射功率；
6、采用长短期记忆神经网络对各监测地区的气候变化趋势进行多步预测，获得气候变化预测结果，根据所述气候变化预测结果、所述信号影响程度、所述用户设备分布动态变化情况和所述距离数据提前确定各卫星的最优卫星波束指向和最优发射功率；
7、利用卷积神经网络对卫星遥感图像进行语义分割，识别出恶劣气候受灾区域的空间分布，通过层次分析法对每个恶劣气候受灾区域的紧急程度进行评估打分，获得紧急程度评估结果，根据所述空间分布和所述紧急程度评估结果确定每个恶劣气候受灾区域的通信需求；
8、以满足通信需求为约束条件，以卫星调度成本最小为目标函数，构建通信规划模型，通过轨道力学计算和卡尔曼滤波算法确定各卫星的卫星轨迹预测结果，根据所述通信规划模型和所述卫星轨迹预测结果确定各卫星的轨道偏差参数，所述轨道偏差参数用于校正卫星轨道；
9、确定卫星物联网通信数据中各个数据内容的优先级程度，根据各监测地区的气候条件和卫星物联网网络状况动态调整数据压缩比，并通过所述优先级程度对各个数据内容依据顺序进行数据压缩和数据传输。
10、第二方面，本发明提供了一种计算机设备，包括：存储器和处理器及存储在存储器上的计算机程序，当所述计算机程序在处理器上被执行时，实现如上述方法中任一项所述的自适应气候变化的卫星物联网智能通信方法。
11、第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，实现如上述方法中任一项所述的自适应气候变化的卫星物联网智能通信方法。
12、与现有技术相比，本发明具有以下技术效果的至少之一：
13、1、本发明提高了卫星物联网通信的稳定性和可靠性，优化了资源的配置和使用效率。
14、2、本发明通过获取各监测地区的气候监测数据和卫星物联网通信信号参数，利用支持向量机回归模型建立信号衰减预测模型，能够准确预测气候变化对通信信号的影响程度。
15、3、本发明通过长短期记忆神经网络对气候变化趋势进行预测，结合信号衰减模型和用户设备分布动态变化情况，本发明能够提前调整卫星的波束指向和发射功率，以优化通信质量。
16、4、本发明采用卷积神经网络进行图像的语义分割，识别恶劣气候受灾区域，并通过层次分析法评估各区域的紧急通信需求，从而实现资源的优先分配和高效利用。。
17、5、通过动态调整数据压缩比和顺序来优化数据传输过程，确保关键数据能够优先传送，提高了系统的响应速度和数据处理效率。
1.一种自适应气候变化的卫星物联网智能通信方法，其特征在于，所述方法具体包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述气候监测数据和所述卫星物联网通信信号参数，通过支持向量机回归模型建立信号衰减预测模型，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述获取各监测地区的用户固定设备的设备分布情况，并对用户移动设备的历史位置数据进行跟踪预测，获得所述用户移动设备的预测移动轨迹，根据所述设备分布情况和所述预测移动轨迹确定用户设备分布动态变化情况，具体包括：
4.根据权利要求1所述的方法，其特征在于，所述获取各卫星分别与各监测地区的距离数据，根据所述信号影响程度、所述用户设备分布动态变化情况和所述距离数据，采用模拟退火优化算法动态调整各卫星的卫星波束指向和发射功率，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述采用长短期记忆神经网络对各监测地区的气候变化趋势进行多步预测，获得气候变化预测结果，根据所述气候变化预测结果、所述信号影响程度、所述用户设备分布动态变化情况和所述距离数据提前确定各卫星的最优卫星波束指向和最优发射功率，具体包括：
6.根据权利要求1所述的方法，其特征在于，所述利用卷积神经网络对卫星遥感图像进行语义分割，识别出恶劣气候受灾区域的空间分布，具体包括：
7.根据权利要求1所述的方法，其特征在于，所述通过层次分析法对每个恶劣气候受灾区域的紧急程度进行评估打分，获得紧急程度评估结果，具体包括：
8.根据权利要求1所述的方法，其特征在于，所述通过轨道力学计算和卡尔曼滤波算法确定各卫星的卫星轨迹预测结果，具体包括：
9.根据权利要求1所述的方法，其特征在于，所述根据各监测地区的气候条件和卫星物联网网络状况动态调整数据压缩比，并通过所述优先级程度对各个数据内容依据顺序进行数据压缩和数据传输，具体包括：
