The invention discloses a network state prediction method, which relates to the field of communication technology, and is used to solve the problem of inaccurate prediction results of the existing network. The method comprises the following steps: receiving a data packet and matching the link to send the data packet; analyzing the data packet, extracting the feature information of the data packet as a sample, and the feature information as a network parameter; according to the sample composition Data set, which is used to train the integrated learning model; generate the network state prediction model of the corresponding link according to the training results; match the contracting strategy according to the prediction model. The invention also discloses a network state prediction device, an electronic device and a computer storage medium. The invention obtains the network state prediction model through the integrated learning method training, thereby making the prediction model more accurate.
【技术实现步骤摘要】
网络状态预测方法、装置、设备及介质
本专利技术涉及通信
,尤其涉及一种网络状态预测方法、装置、设备及介质。
技术介绍
起初,基于TCP/IP的网络传输协议组是为固定网络和网络互连而设计,在移动互联网快速发展的环境下,未来的5G将会面临AR/VR、超高清视频、物联网、车联网等各种应用,加之网络安全的紧迫性越发凸显,TCP/IP协议组难以适应未来,随着数据量、网络中传送分组的数目增加,很容易出现网络拥塞的问题,成为了制约5G应用场景落地的瓶颈。TCP传输协议通常采用接收确认的方法来保证网络数据包的可靠传输,即:如果收到数据包,则发送ACK信号(确认字符)给发送端以确认收到包,如果发送端未收到ACK信号,则重发包。即使是优化较好的BBR协议,也需要确认网络环境变差以后才作出相应的对策。现有的优化方法通常采用被动补偿功能,即当确认网络传输参数(如延时、丢包、带宽等)变差到一定程度后,才进行补偿。因此,出现了根据预测网络状态进行主动补偿的方法,预测模型通常采用单一函数进行丢包或者延时的判断,对于复杂的网络情况,预测模型不准确,且需要大量数据完成预测模型的建立,无法快速建立预测模型。
技术实现思路
为了克服现有技术的不足,本专利技术的目的之一在于提供一种网络状态预测方法,其通过集成学习的方法建立每一个网络参数的预测模型,利用各网络参数的预测结果综合评估网络状况,进而得到较准确的预测模型。本专利技术的目的之一采用以下技术方案实现:一种网络状态预测方法,包括以下步骤:接收数据包,并匹配发送所述数据包的链路;解析所述数据包,提取数据包的特征信息作为样本,所述特征信息为网络 ...
【技术保护点】
1.一种网络状态预测方法,其特征在于,包括以下步骤:接收数据包,并匹配发送所述数据包的链路;解析所述数据包,提取数据包的特征信息作为样本,所述特征信息为网络参数;根据样本组成数据集,利用数据集对集成学习模型进行训练;根据训练结果生成对应链路的网络状态预测模型;根据所述预测模型匹配发包策略。
【技术特征摘要】
1.一种网络状态预测方法,其特征在于,包括以下步骤:接收数据包,并匹配发送所述数据包的链路;解析所述数据包,提取数据包的特征信息作为样本,所述特征信息为网络参数;根据样本组成数据集,利用数据集对集成学习模型进行训练;根据训练结果生成对应链路的网络状态预测模型;根据所述预测模型匹配发包策略。2.如权利要求1所述的网络状态预测方法,其特征在于,所述的网络参数包括丢包、网络延时及带宽,每一个所述网络参数对应一个预测模型。3.如权利要求1所述的网络状态预测方法,其特征在于,根据IP和端口匹配所述数据包对应的链路。4.如权利要求1-3任一项所述的网络状态预测方法,其特征在于,根据样本组成数据集,使用集成学习法对数据集进行训练;包括以下步骤:将数据集划分为训练集及验证集;对所述的训练集输入至集成学习模型进行集成学习训练,得到初始模型;根据所述初始预测模型,输入所述验证集进行验证:当验证准确率大于或等于预设阈值时,则所述初始模型即为预测模型;当验证准确率小于预设阈值时,增加数据集继续进行集成学习训练,直至验证准确率大于或等于预设阈值。5.如权利要求4所述的网络状态预测方法,其特征在于,对所述的训练集进行集成学习训练,得到训练结果,还包括以下步骤:将所述训练集划分为预设数量的训练子集;对训练子集进行训练,根据基尼指数最小化准则生成预设数量的CART决策树,每一个CART决策树作为一个基分类器;对每个基分类器的预测结果进行投票...
【专利技术属性】
技术研发人员:苑志超,崔文韬,铁智慧,刘奎,
申请(专利权)人:灵长智能科技杭州有限公司,
类型:发明
国别省市:浙江,33
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。