CN119484313A 自适应网络环境的参数调整方法、装置及电子设备 （北京中航通 用科技有限公司）

本发明涉及一种自适应网络环境的参数调2获取网络环境的实时数据，并对数据进行标准化处理和即时基于预处理后的网络环境数据，识别网络状态，并输出未来短时获取网络节点上的温度传感器和电磁干扰检测根据ApacheFlink对流数据进行实时处理，并设置滑动窗口和聚对温度传感器和电磁干扰检测器每次采集的数据附加一个高精度的时响应于数据缺失或者不同频率的数据难以完全对齐，根据插值或采样技术补充缺失4.根据权利要求3所述的自适应网络环境的参数调整方法，其特征在于，所述根据ApacheFlink对流数据进行实时处理，并设置滑动窗口和聚合函数对数据进行即时分析，根据ApacheFlink构建一个流数据处理管道，并配置数据源以接收在每个滑动窗口内，基于聚合函数对窗口内的数据进行汇6.根据权利要求1至5任意一项所述的自适应网络环境的参数调整方法，其特征在于，3CNN模型是以正常的网络环境数据样本与非正常的网络环境数据样本为训练数据训练得到所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方理器执行时实现权利要求1至7中任一项所述的方法45所述CNN模型是以正常的网络环境数据样本与非正常的网络环境数据样本为训练数据训练被处理器执行时实现如上述任一种所述的自适应网络环境的6[0051]下面结合图1_图8描述本发明的自适应网络环境的参数调整方法、装置及电子设间中的控制问题。SAC算法结合了演员_评论家(Actor_Critic)方法和最大熵强化学习理7[0063]通过在网络设备可能受环境因素影响的位置安装温度传确保了数据的实时性，而数据分析与参数调整则是利用这些数据来优化网络性能的下一[0070]ApacheFlink是一个开源的流处理框架，专门用于处理实时数据流和批处理数[0075]其中，TaskManager是ApacheFlink集群中实际执行任务的节点，每个8[0092]通过ApacheFlink构建流数据处理管道并配置温度传感器和电磁干扰检测器的9结果，CNN模型是以正常的网络环境数据样本与非正常的网络环境数据样本为训练数据训[0118]预测：一旦CNN模型训练完成，就可以使用它来预测未来短时间内的网络状态趋[0126]以上步骤和算法的应用能够有效地预测网络状态趋势，[0129]解析由CNN模型输出的预测结果，这些结果包括对未来一段时间内网络状态的估[0133]SAC模型是一个基于深度学习的强化学习模型，它能够根据当前的输入向量学习行微调。[0149]SAC模型接收到这一预测结果后，决定将波特率提高10并将TCP窗口大小增加[0151]调整后，网络性能指标显示网络吞吐量提高了25应网络环境的参数调整装置与上文描述的自适应网络环境的参数调整方法可相互对应参非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM步DRAM(SDRAM)、双倍数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态