基于GWO-CRF的链路质量预测

摘要

针对环境变化导致的链路质量预测结果波动大、预测精度低的问题,文中提出一种基于GWO-CRF的链路质量预测模型。首先,在两种场景下采集链路质量参数并进行预处理,处理后进行数据相关性分析;然后,选择接收信号强度指示和链路质量指示作为预测模型的输入参数,利用条件随机场算法来克服预测结果波动大的问题,从而构建链路质量预测模型。为了提高预测精度,采用灰狼算法对条件随机场算法的参数进行优化,最终得到链路质量的预测结果,并利用两种场景下采集的数据对模型进行有效性验证。结果表明,与支持向量回归、线性回归、指数加权移动平均算法相比,基于GWOCRF算法的预测误差降低2.8%~96.8%。