1.一种基于业务预测的低轨卫星点波束关闭方法，其特征在于：包括以下步骤：S1：从低轨卫星网络中获取历史业务时空分布信息，将业务量数据处理成按时间序列排列的二维业务分布热力图；

S2：输入业务预测模型，预测下一时隙的业务分布情况，输出业务分布热力图；

S3：基于业务预测结果，保证全网业务的覆盖，以关闭尽可能多的卫星波束为目标，对网络中的可关闭波束集合进行求解；

S4：关闭该集合中的所有卫星波束。

2.根据权利要求1所述的基于业务预测的低轨卫星点波束关闭方法，其特征在于：步骤S1中所述将业务量数据处理成按时间序列排列的二维业务分布热力图，具体包括以下步骤：

S11：采用网格法，将网络覆盖区域划分为若干个的网格区域；

S12：定义每个网格中心的纬度为θc，网格经度长llon，纬度长llat，地球半径Re，每个网格内的业务量Nu，得到网格业务密度ρ；将每个位于同一网格内的业务量取平均值作为该网格的业务量数值以表征该地区的业务量分布；

S13：以网格经纬度数据为坐标，以网格业务密度数据为热力图中各区域的取值，生成二维业务分布热力图。

3.根据权利要求1所述的基于业务预测的低轨卫星点波束关闭方法，其特征在于：步骤S2中所述预测下一时隙的业务分布情况，是基于卷积LSTM模型的，具体包括以下步骤：S21：以时间连续的业务分布热力图作为业务预测模型的输入，利用二维卷积神经网络提取热力图的空间特征；

S22：加池化层，池化窗口大小为2×2，通过池化将生成的特征序列维度缩减到原来的一半；

S23：将空间特征在时间维度上拼接成时间序列向量，作为长短期记忆LSTM模型的输入，再通过LSTM模型提取时间维度特征；

S24：通过两层全连接层，增加模型的非线性表达能力；

S25：将输出的一维向量矩阵进行反卷积，输出预测的业务分布热力图。

4.根据权利要求1所述的基于业务预测的低轨卫星点波束关闭方法，其特征在于：步骤S3具体包括以下步骤：

S31：建立问题模型，目标为最小化低轨卫星通信系统中开启的波束数量，具体描述如下：

其中，

满足对服务用户的覆盖需求，在网络中部分波束关闭后，对于系统中的每一个用户而言，至少存在一个服务该用户的卫星波束其中， 为覆盖因子，

对于网络中的用户而言，正在进行业务传输服务的波束不可被关闭，将此类正在服务用户的波束集合记为Bs，则该约束为：若下一个时隙某波束覆盖范围内存在业务需求，则该波束不可关闭，将此类波束集合记为Bp，则该约束为：

其中，对Bs的求解利用业务预测模型对下一个时隙不同地区的业务进行预测得到；基于业务需求预测结果，通过对下一时隙存在业务的地区与波束间的覆盖因子 的计算得出存在业务需求的波束集合Bs；

S32：建立矩阵A来表征网络中波束与用户的覆盖情况，波束 用矩阵的行表示，用户 用矩阵的列表示：

其中aij为覆盖因子：

矩阵A的行向量用ai表示，由部分行向量组成的新矩阵为A的子矩阵A'；

S33：基于流量预测的低轨卫星波束关闭问题求解。

5.根据权利要求4所述的基于业务预测的低轨卫星点波束关闭方法，其特征在于：步骤S33具体包括以下步骤：

S331：初始化矩阵A，令A'＝A；

S332：选择一个波束i，将子矩阵A'中波束i对应的行ai中元素全部置0；同时令迭代次数n＝0；

S333：查看矩阵A'是否满足覆盖所有业务的约束条件，若能够满足，则令矩阵A＝A'，跳至步骤S332；若不满足约束，则令迭代次数n+1，跳至步骤S334；

S334：查看迭代次数是否超过全网波束总数N次，如迭代达未到N次，跳至步骤S332；如超过N次，跳至步骤S335；

S335：输出矩阵A。