时间同步,是许多网络中重要的一个前提。对于不同的网络应用环境,对时间同步的精度有着不同的要求。比如日常生活的时间管理要求精度保持在秒级,而针对网络测量则是要求精度保持在毫秒级,对于工业互联网和智能电网的基于网络实时控制环境则有着更高的精度要求。随着科技水平的迅猛发展,人们一边在享受科技带来的便利的同时,也给通信网络的同步精度提出了更高的要求。目前已诞生了许多不同的网络时钟同步技术诸如网络时钟协议(Network Time Protocol,NTP)、全球定位系统(Global Positioning System,GPS)和精确时钟协议(Precision Time Protocol,PTP)等。NTP和GPS技术能够满足大部分日常生活的网络授时精度要求,而对于授时精度要求更高的网络环境当中,PTP则是当仁不让的选择。随着科技的发展,工业互联网和智能电网中对于授时精度的要求进一步提高,尤其是时间敏感网络(Time Sensitive Networking,TSN)的提出,针对PTP协议进一步提升网络授时精度成为了新兴的热门研究方向。而随着计算机硬件能力的提升,对大规模数据的计算分析已经成为了当下最流行的分析方式之一。本文利用实验室提供的丰富硬件设备,收集并测试了 PTP协议在不同网络中的授时性能并进行了对比分析;分析了数据的系统状态方程和数据分布,并搭建了神经网络完成数据拟合。创新性地利用数据对PTP协议展开相关分析工作,为后续利用数据对PTP进行性能提升提出新的思路。具体的工作内容如下:(1)调研了对PTP授时性能提升的相关研究,以及影响PTP授时精度的相关因素。通过相关研究,确定了此次分析的目标,提出了针对PTP授时精度的分析方案。(2)利用实验室中丰富的硬件网络设备以及OSA高精度时间服务器,对目前的不同网络进行了 PTP协议的授时性能测试,并对不同网络的授时精度进行了对比分析。然后对网络中的跳数以及负载情况对于PTP的授时精度影响情况做了分析评估。(3)基于收集到的实验数据,构建数据的系统状态方程,分析了数据的分布并利用深度学习当中的长短期记忆神经网络(Long Short-Term Memory,LSTM)对数据随时间变化的分布曲线进行了拟合,实验证明有较好的拟合效果,为后续利用数据进行PTP授时精度的提升提供新的思路。