[发明专利]因果关系的识别方法、终端设备及存储介质

权利要求书

1.一种因果关系的识别方法，其特征在于，所述因果关系的识别方法包括：

S10：获取TCP传输过程中的宽带传输数据，其中，所述宽带传输数据包括上传速率时间序列及下载速率时间序列；

S20：基于自回归模型确定所述上传速率时间序对应的自预测误差，并基于联合回归模型及所述下载速率时间序列确定所述上传速率时间序对应的联合预测误差；或者基于所述自回归模型确定所述下载速率时间序对应的所述自预测误差，并基于所述联合回归模型及所述上传速率时间序列确定所述下载速率时间序对应的所述联合预测误差；其中，自回归过程利用一时间序列的过去数据来预测其自身的将来数据，联合回归过程引入对应的另一个时间序列，进而联合预测时间序列的将来数据；

S30：根据所述自预测误差及所述联合预测误差确定上传速率及下载速率之间的因果值，所述因果值表征上传速率对下载速率的影响程度，或者表征所述下载速率对所述上传速率的影响程度。

2.如权利要求1所述的因果关系的识别方法，其特征在于，所述S20步骤之前，还包括：

对所述宽带传输数据进行基线校正处理；

在进行基线校正处理后的所述宽带传输数据满足单根检验要求时，执行所述S20步骤。

3.如权利要求2所述的因果关系的识别方法，其特征在于，所述对所述宽带传输数据进行基线校正处理的步骤之后，还包括：

在进行基线校正处理后的所述宽带传输数据不满足所述单根检验要求时，对进行基线校正处理后的所述宽带传输数据进行一阶差分处理；

在对所述宽带传输数据进行一阶差分处理后，执行所述S20步骤。

4.如权利要求1所述的因果关系的识别方法，其特征在于，所述S20步骤之前，还包括：

基于赤池信息准则或者贝叶斯信息准则确定所述自回归模型对应的目标阶数；

根据所述目标阶数对所述自回归模型进行线性拟合；

所述S20步骤包括：

基于根据所述目标阶数进行线性拟合的所述自回归模型确定所述上传速率时间序对应的自预测误差，并基于联合回归模型及所述下载速率时间序列确定所述上传速率时间序对应的联合预测误差；或者基于根据所述目标阶数进行线性拟合的所述自回归模型确定所述下载速率时间序对应的所述自预测误差，并基于所述联合回归模型及所述上传速率时间序列确定所述下载速率时间序对应的所述联合预测误差。

5.如权利要求4所述的因果关系的识别方法，其特征在于，所述S20步骤之前，还包括：

对所述上传速率时间序列及所述下载速率时间序列进行一致性检验，以基于满足一致性检验要求的所述上传速率时间序列及所述下载速率时间序列执行所述S20步骤。

6.如权利要求5所述的因果关系的识别方法，其特征在于，丢弃不满所述一致性检验要求的上传速率时间序列或者所述下载速率时间序列。

7.如权利要求1所述的因果关系的识别方法，其特征在于，所述根据所述自预测误差及所述联合预测误差确定上传速率及下载速率之间的因果值的步骤包括：

根据所述自预测误差及所述联合预测误差确定上传速率及下载速率之间的初始因果值；

对所述初始因果值进行邦费罗尼检验；

将满足预设邦费罗尼检验检验要求的所述初始因果值作为所述上传速率及下载速率之间的因果值。

8.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的因果关系的识别程序，所述因果关系的识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的因果关系的识别方法的步骤。