[发明专利]一种基于BP神经网络预测的二分探测心跳间隔系统及方法

权利要求书

1.一种基于BP神经网络预测的二分探测心跳间隔系统，其特征在于，包括：网络特征数据获取模块、网络拥塞程度预测模块以及心跳间隔动态调整模块；其中，

网络特征数据获取模块，用于从现有的一些公开数据集获取，或者通过WireShark在内的抓包软件对可以表征网络拥塞程度的数据进行获取；

网络拥塞程度预测模块，用于利用BP神经网络预测模型进行预测，将当前网络的衡量网络拥塞程度指标的数据参数作为BP网络预测模型的输入，将带宽占用率作为BP网络预测模型的输出，并且作为衡量网络拥塞程度的指标；

心跳间隔动态调整模块，根据网络拥塞程度预测模块预测的结果，利用二分法动态地调整客户端给服务器发送心跳包的时间间隔，心跳包指的是在客户端和服务器之间定时通知对方自己状态的一个自己定义的命令字，按照一定的时间间隔发送，类似于心跳；

所述心跳间隔动态调整模块，根据预测模块对网络拥塞程度的结果来结合二分法动态地调整心跳包的发送频率，具体调整过程为：

步骤1、根据大量数据可得不同运营商网络下的NAT超时时间T；

步骤2、计算T/2作为当前的心跳间隔进行测试，若失败则客户端重新连接服务器，并且心跳间隔减少为之前的一半；若成功则执行步骤3；

步骤3、根据当前网络流量情况并利用BP神经网络预测模型来计算下一阶段的网络情况，并且根据预测结果将网络情况分为更为通畅、一般通畅、比较拥塞三种分类；

步骤4、若结果为“一般通畅”，则利用当前心跳间隔作为最优心跳进入稳定阶段，若结果为“更为通畅”，则执行步骤5；若结果为“比较拥塞”，则执行步骤6；

步骤5、扩大心跳间隔，将NAT超时时间与当前心跳间隔作为执行二分的上下限，令T＝上限-下限，执行步骤2；

步骤6、减小心跳间隔，将当前心跳间隔与0作为执行二分的上下限，令T＝上限-下限，执行步骤2。

2.根据权利要求1所述的一种基于BP神经网络预测的二分探测心跳间隔系统，其特征在于，所述网络特征数据包括当前网络下的网络吞吐量、网络延时以及丢包率，其中网络吞吐量是指在没有帧丢失的情况下，设备能够接收并转发的最大数据速率；网络延时是指在传输介质中传输所用的时间，即从报文开始进入网络到它开始离开网络之间的时间；丢包率是指测试中所丢失数据包数量占所发送数据组的比率，计算方法是:“[(输入报文-输出报文)/输入报文]*100％”。

3.根据权利要求1或2所述的一种基于BP神经网络预测的二分探测心跳间隔系统，其特征在于，所述网络拥塞程度预测模块是基于BP神经网络搭建的预测模型，BP网络由输入层、隐层和输出层组成，隐层为一层或多层，神经元激活函数选用S型传递函数，其中x表示激活函数的输入，f(x)表示输入对应的输出；通过反传误差函数t_i为期望输出、O_i为网络的计算输出，i表示神经元；不断调节网络权值和阈值使误差函数E达到预设值，其次输入层神经元个数设为3，其中输入属性有网络吞吐量、网络延时以及丢包率；输出层神经元个数设为1，将网络带宽占用率作为输出并同时作为网络拥塞的衡量指标，隐藏层神经元个数设为6，与此同时，学习率设为0.1，训练次数为1000。

4.根据权利要求3所述的一种基于BP神经网络预测的二分探测心跳间隔系统，其特征在于，所述隐层设计具体为：

按照以下经验公式选取隐层神经元个数；

其中,n为输入层神经元个数,m为输出层神经元个数,a为[1,10]之间的常数，根据上式可以计算出神经元个数为3-12个之间，本文选择隐层神经元个数为6；

激励函数的选取：

选择S型正切函数tansig作为隐层神经元的激励函数；而由于网络的输出归一到[-1,1]范围内,因此预测模型选取S型对数函数作为输出层神经元的激励函数；

将网络吞吐量、丢包率以及网络延时数据利用matlab的mapminmax函数进行归一化处理，并且将网络的学习速率设置为0.01，利用train方法对当前网络进行训练。