无线传感器网络由部署在监测区域中的大量传感器节点构建而成,管理人员通过节点发回的数据对相关区域进行实时监测。通常部署节点的监测环境较为复杂,节点间通信容易受到干扰,导致数据在传输过程中产生丢包现象。高效的链路质量预测方法可以为路由选择合适链路提供依据,使得节点间能够维持稳定通信。论文通过分析链路特性,选取接收信号强度指示、链路质量指示、信噪比的均值和变异系数作为链路质量参数;采用链路质量等级值表征链路的质量,采用凝聚层次聚类和手动划分相结合的方式划分链路质量等级,在聚类过程中引入偏离点思想,降低孤立点和噪声点对划分链路质量等级产生的影响;针对链路质量样本中存在的分布不平衡问题,采用边界合成少数类过采样技术对少数类边界样本进行线性插值填充;借助轻量级梯度提升机算法分类准确率高、不易过拟合等优势,构建轻量级梯度提升机链路质量评估模型;为使易分错样本更多地参与模型训练,采用焦点损失函数代替算法中自带的多分类交叉熵损失函数;采用滑动时间窗口构建时序样本集,构建基于轻量级梯度提升机回归算法的链路质量预测模型。在实验室、树林和停车场部署节点,收集链路质量数据。实验结果表明,链路质量样本经不平衡处理后,评估模型对于少数类样本的评估准确率得到改善;与多分类交叉熵损失函数和最小二乘损失函数对比得出,焦点损失函数能够改善评估模型性能;与小波神经网络、支持向量分类机以及轻量级波动不敏感评估模型相比,本文提出的评估模型具有更高的评估准确率和召回率;与支持向量回归机、极端梯度提升、深度循环神经网络和随机向量函数连接网络预测模型进行对比,实验结果表明本文提出的链路质量预测模型具有更高的预测准确率,且训练速度更快。