铱星作为广泛应用于海洋及军事领域的卫星通信系统,其信号质量的稳定对铱星通讯终端的正常通信及能量的高效利用具有重要作用,但目前关于铱星信号质量的研究开展相对较少,且成熟的铱星信号监测体系尚未建立。所以,基于当前的主流时序数据分析方法,构建铱星信号质量预报机制不但能够弥补传统铱星通讯终端数据传输的缺陷,而且可以为日后建立完整的铱星信号质量监测体系提供参考依据。因此,本文选用预测精度较高,且在各领域中取得良好成果的三种预测算法,为铱星信号质量构建预测模型,以用于铱星信号质量的预测分析。本文的主要工作如下:（1）研究关于卫星信号质量监测分析的当前现状以及未来的发展趋势,并基于铱星星座的网络结构分析,得出海洋环境下铱星信号质量可能存在的干扰因素。（2）使用Labview编写铱星信号质量监测上位机程序,建立完整的监测系统,并选择不同实验环境,实施监测实验。在对数据进行预处理之后,利用滑动窗口算法评估信号强度。结果表明:不同环境下的铱星信号质量存在较大的差异,且信号强度具有一定周期性的空窗期。（3）结合以上分析结果,分别构建XGBoost、BP神经网络和LSTM神经网络预测模型,对两处实验环境下的铱星信号质量数据展开多分类及二分类预测。在此基础上建立多种模型评价指标并对比分析模型综合预测效果。结果表明:虽然LST M网络模型训练时耗较长,但是无论在预测精确率及分类准确率方面都要优于其它两种模型。（4）选择优质模型作为海上小平台主预测模型,为海上小平台设计有效的数据传输监测方案,结合两种监测方案及模型召回率计算铱星通信终端的能量消耗。结果表明:相较于传统铱星通信终端数据传输方式,展开信号质量预报后的终端系统在信号优和信号劣两种环境下都具有一定的能量优化效果。