一种基于神经网络的带宽预测方法技术

本发明专利技术公开了一种基于神经网络的带宽预测方法。该方法的步骤为：(1)建立神经网络模型并进行训练，神经网络模型的输入为历史时刻的带宽变化特征，输出为未来时刻的带宽预测值；(2)记录用户的实时带宽数据并按照时间排序；将实时带宽数据按照设定的采样间隔进行采样；(3)提取带宽的时序特征；(4)将带宽的时序特征输入训练好的神经网络模型，计算未来时刻的带宽量化因子；(5)将计算得到的带宽量化因子转换为预测的未来时刻带宽。本发明专利技术提出了一种量化反映未来网络状态变化的方法，在带宽测量的基础上预测未来的带宽，弥补带宽测量耗时长的缺陷，能有效指导互联网应用应对网络变化。

A bandwidth prediction method based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的带宽预测方法
本专利技术涉及网络通信
，特别涉及网络状况预测方法，具体涉及一种基于神经网络的带宽预测方法。
技术介绍
随着互联网的逐渐普及，网络通信技术不断提高，用户对于优质网络的需求日益提高，许多日常互联网应用依赖于带宽的稳定性。为了提高用户的实际体验，需要获知用户实时的可用带宽。例如用户观看视频时，若可用带宽小于每秒视频帧的大小，会造成视频卡顿，降低用户体验。开发者在开发直播视频软件时考虑到带宽的波动性，会加入视频码率及分辨率调整策略，在用户网络不佳时，降低带宽需求，达到流畅播放视频的目的。目前主流的测量网络带宽的方法包括单包算法等，测量得到的带宽是当前时刻或当前时刻之前一段时间内的用户带宽。但是网络中的带宽是时刻变化的，直接测量得到的带宽无法反映未来一段时间的网络状态，且目前主流的测量网络带宽的方法耗费时间较长，计算复杂，不支持高并发，因此无法满足低测量间隔的需求。由于带宽随时间不断变化，带宽测量间隔时间长。在实际应用中，历史带宽测量值可能与当前时刻的带宽测量值相差较大，指导意义较小。基于神经网络的本文档来自技高网...

【技术保护点】
1.一种基于神经网络的带宽预测方法，其特征在于，该方法的具体步骤为：/n步骤1，建立神经网络模型并进行训练，神经网络模型的输入为历史时刻的带宽变化特征，输出为未来时刻的带宽预测值；/n步骤2，记录用户的实时带宽数据，并按照时间排序；将实时带宽数据按照设定的采样间隔进行采样；/n步骤3，提取带宽的时序特征；/n步骤4，将带宽的时序特征输入训练好的神经网络模型，计算未来时刻的带宽量化因子；/n步骤5，将计算得到的带宽量化因子转换为预测的未来时刻带宽。/n

【技术特征摘要】
1.一种基于神经网络的带宽预测方法，其特征在于，该方法的具体步骤为：
步骤1，建立神经网络模型并进行训练，神经网络模型的输入为历史时刻的带宽变化特征，输出为未来时刻的带宽预测值；
步骤2，记录用户的实时带宽数据，并按照时间排序；将实时带宽数据按照设定的采样间隔进行采样；
步骤3，提取带宽的时序特征；
步骤4，将带宽的时序特征输入训练好的神经网络模型，计算未来时刻的带宽量化因子；
步骤5，将计算得到的带宽量化因子转换为预测的未来时刻带宽。


2.根据权利要求1所述的一种基于神经网络的带宽预测方法，...

【专利技术属性】
技术研发人员：张旭，张欣宇，薛雨，马展，
申请(专利权)人：南京大学，成都云格致力科技有限公司，
类型：发明
国别省市：江苏;32