基于LSTM的命名数据网络流量预测方法

网络流量预测是提高网络服务质量，提高拥塞控制效率的关键环节。命名数据网络作为新兴网络架构，其内容源与位置无关的特性使得TCP/IP网络中的拥塞控制方法不再适用，而且目前基于神经网络的流量预测方法只是研究预测模型性能的优化，使用的训练数据只考虑了单一的接口流量这一简单的维度，未考虑不同类型的数据包和出接口队列长度等参数对未来流量变化的影响，导致流量预测不够精准。文章提出一种应用于命名数据网络的基于长短期记忆网络的流量预测方法，将单一的流量特征值扩展到与链路流量相关的多维变量，实现了命名数据网络节点接收流量的预测，可用于命名数据网络流量的精准控制，避免网络拥塞。实验验证表明，与仅使用链路流量作为特征值的传统预测方法相比，预测精度有较大幅度的提高。