[發明專利]一種基于LSTM的以太坊交易打包等待時間的預測方法

有效

• 申請號: 201910498423.3
• 申請日: 2019-06-11
• 公開（公告）號: CN112069250B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 王興亞;李紫欣;徐介暉;王新宇;陳振宇
• 申請（專利權）人: 南京慕測信息科技有限公司
• 主分類號: G06F16/27
• 分類號: G06F16/27;G06Q40/04;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于 LSTM 的以太坊交易打包等待時間的預測方法，其特征在于，基于特征提取和相關數據計算對歷史交易信息通過數據構建和特征選擇，構建用于模型訓練的已歸一化處理的特征矩陣matrix_fv_nor 和交易等待時間向量 vec_wait；在此基礎上，應用LSTM 神經網絡方法構建預測模型，并在模型構建時不斷通過訓練結果和誤差評估模型表現并基于 Adam 優化算法調整模型權重，從而學習生成一個交易打包等待時間預測模型LSTM-Model；最后，將當前用戶的預期價格和 GasLimit 以及當前的影響因素組成的特征向量 vec_cur=rate_ex, difficulty, gas_price, gas_limit 輸入到 LSTM-Model中，最終生成當前交易的打包等待時間的預測結果 time_wait; 該方法包括下列步驟:

1）樣本數據分析提取，初始化特征向量矩陣 matrix_fv 及交易等待時間向量 vec_wait為空，輸入以太坊數據庫 data_ethereum，其中的數據為區塊信息 block 的列表；其中，每一個區塊信息 block_i包含兩項內容 difficulty 和 list_tx，其中 difficulty 為區塊的難度， list_tx是該區塊內的所有交易信息 tx 的列表；每一個交易信息 tx_i表示為一個六元組 gas_price_i, gas_limit_i, fee_wei_i, fee_dollar_i, time_pend_i, time_pack_i， gas_price_i、gas_limit_i、fee_wei_i、fee_dollar_i、time_create_i、time_pack_i分別表示交易的Gas價格、Gas的限制數量、以 gWei 為單位交易的費用、以美元為單位交易的費用、交易進入等待隊列時間和交易打包時間；使用交易信息中的 fee_wei_i和fee_dollar_i計算得到交易當時以太幣與美元的匯率 rate_ex_i，利用以上數據新建特征向量 vec_feature_i=rate_ex_i, difficulty, gas_price_i, gas_limit_i；將交易信息中的 time_create_i，time_pack_i相減得到交易打包等待時間 time_wait_i；將新建的特征向量 vec_feature_i加入特征向量矩陣 matrix_fv，計算得到的交易打包等待時間 time_wait_i加入交易打包等待時間向量 vec_wait;

本步驟的目的是從原始的以太坊數據庫 data_ethereum 中提取交易相關的特征以及交易打包等待時間信息，為后續數據集的劃分和模型構建提供原始數據；為了消除指標之間的量綱影響，對特征矩陣以及交易打包等待時間向量進行 Z-Score 歸一化處理，計算公式如下：

其中x_nor為某個特征數據歸一化后的數值，x 為原特征數據，μ 為該特征所有數據的平均值，δ 為該特征所有數據的標準差；歸一化完成后，特征矩陣 matrix_fv 和交易等待時間向量 vec_wait 生成完畢；

2）預測模型訓練生成，給定特征矩陣 matrix_fv和交易打包等待時間向量vec_wait，對以上數據集合進行合并處理為模型對應的數據格式，得到若干包含一定量條數據的訓練樣本 sample；初始化 LSTM 神經網絡模型各層，包括輸入層、隱藏層和輸出層；依次選擇每一個樣本數據 sample 輸入到模型中，計算各個隱藏層和輸出層的輸入輸出；對比實際輸出結果與 vec_wait 計算反向誤差，基于 Adam 優化算法后向修正輸出層、各個隱藏層和輸入層的權值；計算全局誤差平均絕對誤差 MAE 以及均方根誤差 RMSE；所有樣本都輸入到模型后，或當全局誤差收斂時，學習過程結束，輸出訓練后的 LSTM 神經網絡模型 LSTM-Model；

3）交易打包速度預測，獲得用戶的輸入 gas_limit 以及 gas_price，從 data_ethereum 中獲得當前的 rate_ex 和 difficulty，合并以上數據得到當前交易的特征向量 vec_feature_cur=rate_ex, difficulty, gas_price, gas_limit；給定模型 LSTM-Model，歸一化vec_feature_cur并將其輸入到 LSTM-Model 中，最終生成 vec_feature_cur的交易打包等待時間 time_wait。