The invention discloses a traffic prediction method and device for Bluetooth gateway, which comprises the following steps: S1. Acquisition and acquisition of network traffic data sequence, construction of more than one traffic sequence with different preset time granularity according to the network traffic data sequence, S2. Pre-built prediction models corresponding to the preset time granularity are used to predict the traffic sequence respectively. The corresponding granularity flow sequence is predicted to get the granularity prediction value under different time granularity; S3. The granularity prediction value under different time granularity is used as the input of the preset neural network model, and the final predicted flow value is obtained through the above neural network model analysis. It has the advantages of high prediction accuracy, small calculation and easy implementation.
【技术实现步骤摘要】
一种面向蓝牙网关的流量预测方法及装置
本专利技术涉及网络
,尤其涉及一种面向蓝牙网关的流量预测方法及装置,尤其适用于蓝牙网关。
技术介绍
随着物联网技术的迅猛发展,与日俱增的各式各样的IoT服务被用户广泛使用。网关,作为一种向云端传递IoT数据并进行数据交换的核心边缘设施,将功能各异的传感器、智能硬件、智能可穿戴等物联网末端设备和小区局域网联系起来,进而接入互联网,实现信息共享、远程控制、集中管理等功能。由于物联网末端设备及服务的多样性,边缘网络数据具有异构性,不同的服务类型对QoS的需求不一样。例如,在多媒体数据和应用程序数据等传输场景中,需要一个具有相对较高的网络吞吐量的无线传输手段以降低数据传输延时,典型的在线视频观看服务,带宽呈突发式脉冲状,带宽要求高达3Mb/s;而在传感数据和指令数据等频度高但数据量较小的传输场景中,对传输手段的吞吐量要求则相对较低,但对时延敏感。与此同时,蓝牙技术不同的连接参数配置在数据传输速率、功耗、传输距离等方面具有不同的特点。因此,对于异构的IoT设备和服务,如何基于网络流量模式调整网关的连接参数配置,成为服务质量保证的关键所在。现有的网络流量预测分为线性预测和非线性预测。线性预测的方法如自回归移动平均模型(Auto-RegressiveIntegratedMovingAverageModel,ARIMA)应用广泛,但是ARIMA的理论前提是网络流量具有线性宽平稳过程特征,而网络流量在不同的时间频率尺度上具有多尺度特征,并且具有多构性、自相似特性,因此使用ARIMA模型无法准确地描述出网络的全部特征。此外,现有的网 ...
【技术保护点】
1.一种面向蓝牙网关的流量预测方法,其特征在于,包括如下步骤:S1.采集获取网络流量数据序列,根据所述网络流量数据序列构建一个以上具有不同的预设时间粒度的粒度流量序列;S2.通过预先构建好的与所述预设时间粒度相对应的预测模型分别对与之对应的粒度流量序列进行预测,得到不同时间粒度下的粒度预测值;S3.所述不同时间粒度下的粒度预测值作为预设的神经网络模型的输入,通过所述神经网络模型分析得到最终预测流量值。
【技术特征摘要】
1.一种面向蓝牙网关的流量预测方法,其特征在于,包括如下步骤:S1.采集获取网络流量数据序列,根据所述网络流量数据序列构建一个以上具有不同的预设时间粒度的粒度流量序列;S2.通过预先构建好的与所述预设时间粒度相对应的预测模型分别对与之对应的粒度流量序列进行预测,得到不同时间粒度下的粒度预测值;S3.所述不同时间粒度下的粒度预测值作为预设的神经网络模型的输入,通过所述神经网络模型分析得到最终预测流量值。2.根据权利要求1所述的面向蓝牙网关的流量预测方法,其特征在于:步骤S1中以预设的频率采集获取网络流量数据,得到网络流量数据序列。3.根据权利要求2所述的面向蓝牙网关的流量预测方法,其特征在于:步骤S1中所述粒度流量序列为将所述网络流量数据序列按照预设时间粒度进行划分,以每个预设时间粒度内的网络流量序列为该时间粒度内的粒度流量序列。4.根据权利要求3所述的面向蓝牙网关的流量预测方法,其特征在于:所述预设时间粒度包括秒级时间粒度、分级时间粒度和小时级时间粒度。5.根据权利要求4所述的面向蓝牙网关的流量预测方法,其特征在于:步骤S2中,与所述秒级时间粒度对应的预测模型为ARIMA模型,与所述分级时间粒度对应的预测模型为MA模型,与所述小时级时间粒度对应的预测模型为ES模型。6.根据权利要求5所述的面向蓝牙网关的流量预测方法,其特征在于:所述ARIMA模型如式(...
【专利技术属性】
技术研发人员:许建明,赵乘麟,彭许红,
申请(专利权)人:邵阳学院,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。