摘要： 為提升往返時延預測的準確性與實時性，在深入挖掘和分析影響其準確度各種因素的基礎(chǔ)上，針對往返時延變化的短期隨機性與長期平穩(wěn)性，提出一種基于時序特征建模的往返時延預測方法GCA-RTT。通過構(gòu)建門控卷積與自注意力機制相融合的時延歷史數(shù)據(jù)局部特征與長期依賴關(guān)系學習模型，實現(xiàn)更為精確、高效的往返時延預測。實驗結(jié)果表明，GCA-RTT可以有效捕捉基于時間序列的往返時延變化特征，與其它神經(jīng)... （共7頁）