一种基于BP神经网络的带宽调整方法

技术领域

本发明涉及网络应用领域，具体涉及一种基于BP神经网络的带宽调整方法。

背景技术

服务器的带宽是宝贵的资源。一台服务器的带宽峰值，会受到时间点，用户数量，和线路地区的影响。那么应合理降低每个用户的限速，避免个别用户抢占了大量的带宽资源，以使每个用户有用平均的使用体验。然而，并不能简单地将服务器的最大带宽平均分配给同时在线用户，因为用户的用网是不连续的，实际可分配比平均值高得多的值才会使得实际峰值接近最大带宽。如何合理分配带宽是本领域急需解决的技术难题。

公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

为解决上述技术问题，本发明提出了一种基于BP神经网络的带宽调整方法，以达到提升了服务器在闲时带宽利用率、平衡了服务器忙时的带宽分配问题和提升用户体验的目的。

为达到上述目的，本发明的技术方案如下：

一种基于BP神经网络的带宽调整方法，步骤具体如下：

(1)、获取用户数量、单位限速和时间点的参数；

(2)、根据步骤(1)获取的参数建立训练模型；

(3)、由训练模型预测当前状态的总带宽峰值；

(4)、根据步骤(3)中给出的总带宽峰值计算出理想的单位限速值。

作为优选的，步骤(1)中时间点精确到小时，并且一天的0点开始计算，为避免“O”的出现，在整点数值上加1，即时间点的取值范围为1-24。

作为优选的，在步骤(2)中的训练模型中定义两个隐层，每个隐层分别有四个神经元；

每个神经元输出值计算公式为：

(其中m为上一层神经元的个数，w

本发明具有如下优点：

1.本发明通过对用户数量，单位限速和时间点进行建模，建立了一套训练模型的方法，其输出值为预测的当前状态下的总带宽峰值，进而求出理想的单位限速值，达到提升了服务器在闲时带宽利用率、平衡了服务器忙时的带宽分配问题和提升用户体验的目的。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述。

本发明提供了一种基于BP神经网络的带宽调整方法，其工作原理是通过对用户数量，单位限速和时间点进行建模，建立了一套训练模型的方法，其输出值为预测的当前状态下的总带宽峰值，进而求出理想的单位限速值，达到提升了服务器在闲时带宽利用率、平衡了服务器忙时的带宽分配问题和提升用户体验的目的。

下面结合实施例和具体实施方式对本发明作进一步详细的说明。

一种基于BP神经网络的带宽调整方法，步骤具体如下：

(1)、获取用户数量、单位限速和时间点的参数，其中时间点精确到小时，并且一天的0点开始计算，为避免“O”的出现，在整点数值上加1，即时间点的取值范围为1-24；

(2)、根据步骤(1)获取的参数建立训练模型，该训练模型中定义两个隐层，每个隐层分别有四个神经元；

每个神经元输出值计算公式为：

(其中m为上一层神经元的个数，w

(3)、由训练模型预测当前状态的总带宽峰值；

训练样本从系统实际运行数据中采集，并有意地在不影响用户使用的情况下，变化单位限速值，使得样本尽可能多样化。得到一组训练数据*x

训练模型的过程中，使用BP算法将误差反向传播。计算误差的公式为：

y

因此

新的权重值

其中η为学习速率，这里取0.2。

不断迭代此公式，直到E小于0.1后，停止迭代。

(4)、根据步骤(3)中给出的总带宽峰值计算出理想的单位限速值；

由于模型的输出值并不会恰好等于当前的服务器最大带宽。因此需要将输入的单位限速进行等比例缩放。假设服务器最大带宽为B，神经网络输出入的单位限速为l，输出总带宽为b。则输入带宽l调整为：

不断迭代l的输入，直到

通过以上的方式，本发明所提供的一种基于BP神经网络的带宽调整方法，通过对用户数量，单位限速和时间点进行建模，建立了一套训练模型的方法，其输出值为预测的当前状态下的总带宽峰值，进而求出理想的单位限速值，达到提升了服务器在闲时带宽利用率、平衡了服务器忙时的带宽分配问题和提升用户体验的目的。

以上所述的仅是本发明所公开的一种基于BP神经网络的带宽调整方法的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。