一种基于RNN神经网络的RTT预测方法技术

本发明专利技术公开了一种基于RNN神经网络的RTT预测方法。该方法的步骤为：首先测量得到RTT数据并按照时间先后排序；然后提取RTT数据的特征并转换为神经网络的输入数据与标签数据，对数据按照RTT数据特征进行分类，并平衡各分类中数据的个数；建立RNN神经网络模型，该模型利用历史时刻的RTT数据特征作为输入，其输出是未来时刻的RTT数据；接着对神经网络进行训练；最后利用训练后的神经网络将实时测量的RTT数据的特征转换得到预测的RTT数据。本发明专利技术提出了一种量化反映未来RTT变化的方法，在高测量间隔的条件下，弥补单纯测量RTT不足以反映未来RTT变化的缺陷，能有效指导互联网应用应对复杂网络变化。

【技术实现步骤摘要】
一种基于RNN神经网络的RTT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RNN神经网络的RTT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RTT(Round-TripTime)做出相应的调整策略。为了提高用户的实际体验，需要获知用户实时的RTT。例如，用户玩网络游戏时，服务器可以有多个选择，开发者根据用户与服务器之间的RTT选择中继结点以及转发路径，尽量减少用户玩游戏时的延时，增加操作连贯性，提高用户体验。目前主流的RTT测量的方法是服务器或者客户端发送一个带时间戳的RTT探测包，另一方收到RTT之后回复RTT探测包，最终服务器或客户端将当前时间减去RTT探测包内时间得到RTT。RTT在用户网络状况良好时都是稳定的，随时间推移不会有太大改变。当用户网络状况较差时，RTT随时间变化大。同时，客户端密度较高时，由于数据包的优先度问题，低探测间隔会带来RTT探测误差，因此需要提高RTT的探测间隔也就意味着探测得到的R本文档来自技高网...

【技术保护点】
1.一种基于RNN神经网络的RTT预测方法，其特征在于，该方法的具体步骤为：/n步骤1，测量得到RTT数据，并按照时间先后排序；/n步骤2，提取RTT数据的特征并转换为神经网络的输入数据与标签数据，形成数据集；对数据集中的数据按照RTT数据特征进行分类，并平衡各分类中数据的个数；/n步骤3，建立RNN神经网络模型用于训练与预测，所述神经网络模型利用历史时刻的RTT数据特征作为输入，其输出是未来时刻的RTT数据；/n步骤4，从步骤2平衡后的数据集中分出一批数据作为训练数据，另一批数据作为交叉验证数据；从训练数据中随机选择N个数据作为神经网络的输入数据；重复迭代至误差满足需求或者迭代达到一定次数；...

【技术特征摘要】
1.一种基于RNN神经网络的RTT预测方法，其特征在于，该方法的具体步骤为：
步骤1，测量得到RTT数据，并按照时间先后排序；
步骤2，提取RTT数据的特征并转换为神经网络的输入数据与标签数据，形成数据集；对数据集中的数据按照RTT数据特征进行分类，并平衡各分类中数据的个数；
步骤3，建立RNN神经网络模型用于训练与预测，所述神经网络模型利用历史时刻的RTT数据特征作为输入，其输出是未来时刻的RTT数据；
步骤4，从步骤2平衡后的数据集中分出一批数据作为训练数据，另一批数据作为交叉验证数据；从训练数据中随机选择N个数据作为神经网络的输入数据；重复迭代至误差满足需求或者迭代达到一定次数；
步骤5，使用交叉验证数据对神经网络进行验证，若效果满足需求则训练完成；
步骤6，训练完成之后，提取实时测量的RTT数据的特征，输入神经网络计算，经过转换得到预测的RTT数据。


2.根据权利要求1所述的一种基于RNN神经网络的RTT预测方法，其特征在于，所述步骤2中，提取RTT数据的特征并转换为神经网络的输入数据与标签数据具体步骤如下：
步骤21...

【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