买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利LSTM与XGBoost融合的带宽预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120110917B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510268791.4，技术领域涉及：H04L41/0896；该发明授权LSTM与XGBoost融合的带宽预测方法是由池凯凯;李玉琪设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本LSTM与XGBoost融合的带宽预测方法在说明书摘要公布了：一种LSTM与XGBoost融合的带宽预测方法，包括以下步骤：1收集与带宽相关的时序特征数据；2使用LSTM模型来处理时序特征数据，捕捉历史带宽的动态变化；在LSTM模型中引入注意力机制，通过计算时间步的权重，使得LSTM+Attention模型能够聚焦于对预测最有影响的时间步，忽略不相关的信息；3特征融合：将LSTM+Attention模型的输出作为特征之一，同时引入其他网络状态特征；4XGBoost模型：使用XGBoost算法对拼接后的高维特征空间矩阵进行建模；5所有XGBoost树的预测结果会被加权求和，得到最终的带宽预测值。本发明提高了带宽预测的准确性和鲁棒性。

本发明授权LSTM与XGBoost融合的带宽预测方法在权利要求书中公布了：1.一种LSTM与XGBoost融合的带宽预测方法，其特征在于，所述方法包括以下步骤： 1）数据收集：收集与带宽相关的时序特征数据，包括： 历史带宽：记录用户在过去时间窗口内的带宽使用情况； 用户位置信息：通过GPS获取用户的位置数据，捕捉用户移动对带宽需求的影响； 延迟数据：记录网络传输的延迟情况，评估网络性能； 网络负载：统计当前网络的流量负载，分析网络拥塞程度； 对时序特征数据进行清理、标准化与归一化，以保证不同特征的尺度一致，便于输入到模型中；将数据分为训练集和测试集，用于模型训练和性能评估； 2）LSTM模型与注意力机制：使用LSTM模型来处理时序特征数据，捕捉历史带宽的动态变化；在LSTM模型中引入注意力机制，通过计算时间步的权重，使得LSTM+Attention模型能够聚焦于对预测最有影响的时间步，忽略不相关的信息； 3）特征融合：将LSTM+Attention模型的输出，即经过注意力机制加权的时间序列预测值作为特征之一，同时引入其他网络状态特征，包括以下：RSSI、RSRP、RSRQ和SINR；将上述特征与LSTM+Attention模型的输出拼接成一个新的特征矩阵，形成一个高维特征空间矩阵； 4）XGBoost模型：使用XGBoost算法对拼接后的高维特征空间矩阵进行建模；XGBoost通过构建多棵决策树，逐步捕捉特征之间的复杂非线性关系；在每棵树的分裂过程中，XGBoost会自动评估每个特征的重要性，并选择最优的分裂点，从而实现对特征的有效筛选和建模； 使用标准的回归损失函数来最小化预测误对XGBoost模型进行训练，通过梯度提升方法，每一棵新树都会根据前一棵树的残差进行训练，并对其进行优化； 5）输出结果：所有XGBoost树的预测结果会被加权求和，得到最终的带宽预测值； 所述1）的过程为： 步骤1.1）使用6个设备，分别是3个移动设备，用于模拟用户的慢速移动，该设备的位置和状态会根据实验设计进行调整，以模拟用户在不同网络环境下的带宽需求；3个HMD，用于模拟高性能设备，确保设备差异性以满足对实验的准确性； 步骤1.2）每个设备通过WiFi与服务器连接，传输VR视频数据；历史带宽、延迟数据、网络负载实时数据通过AndroidAPIs以1秒的粒度收集关键指标被采集，以用于后续的带宽预测模型训练；每个设备的用户位置信息通过GPS信号收集，帮助建模用户的移动行为； 步骤1.3）数据清理，操作如下： 1.3.1）检测并移除缺失值或无效数据点； 1.3.2）处理异常值，通过设定阈值过滤掉极端值； 1.3.3）对不完整的时间序列数据进行插值，保证数据的连续性； 步骤1.4）对所有特征进行标准化和归一化，如下： 1.4.1）标准化：将数据转换为均值为0、标准差为1的分布，公式为： ； 其中，为原始数据，为均值，为标准差； 1.4.2）归一化：将数据缩放到[0,1]区间，公式为： ； 其中，和分别为数据的最小值和最大值； 步骤1.5）数据划分：将数据分为训练集和测试集，用于模型训练和性能评估，操作如下： 1.5.1）按照时间顺序划分数据，将80%的数据作为训练集，20%的数据作为测试集； 1.5.2）确保训练集和测试集的时间连续性，避免数据泄漏。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。