1.一种消除映射误差的无线链路质量敏捷预测方法，其特征在于，包括：训练阶段：获取长时间的、涵盖多种链路质量的链路实测数据；分别使用小时间窗口和大时间窗口对PRR进行统计，获得PRR序列，其中大时间窗口涵盖多个历史和未来小时间窗口；以小时间窗口PRR历史序列为输入，以大时间窗口PRR为输出，采用机器学习算法，训练和构建预测模型；

运行阶段：获取小时间窗口PRR历史序列；将小时间窗口PRR历史序列作为预测模型的输入，预测得到包含历史和未来小时间窗口的大时间窗口的PRR预测值。

2.根据权利要求1所述的消除映射误差的无线链路质量敏捷预测方法，其特征在于：小时间窗口的长度为n，大时间窗口的长度为N，且N为n的整数倍；大时间窗口涵盖多个历史和未来小时间窗口。

3.根据权利要求2所述的消除映射误差的无线链路质量敏捷预测方法，其特征在于：所述训练阶段的流程包括：(S11)获取长时间的、涵盖多种链路质量的链路实测数据；

(S12)分别使用小时间窗口n和大时间窗口N对PRR进行统计，获得小时间窗口PRR序列{prr1,prr2,...,prri,...,prrM}和大时间窗口PRR序列{PRR1,PRR2,...,PRRq,...,PRRR}；

其中，M为小时间窗口PRR序列的样本总数，R为大时间窗口PRR序列的样本总数；

第i个小时间窗口的PRR的计算公式为：

其中，ni为第i个小时间窗口成功接收的数据包个数；

第q个大时间窗口的PRR的计算公式为：

其中，Nq为第q个大时间窗口成功接收的数据包个数；

(S13)以m个小时间窗口PRR历史序列为输入，对应的大时间窗口PRR为输出，采用机器学习算法，对预测模型进行训练；

(S14)当预测模型输出的误差目标函数小于训练目标阈值时，训练结束，获取并保存预测模型参数。

4.根据权利要求2或3所述的消除映射误差的无线链路质量敏捷预测方法，其特征在于：所述运行阶段的流程包括：(S21)构建空的PRR序列X＝{}；

(S22)每隔小时间窗口n对PRR进行统计，得到当前小时间窗口的PRR＝Xc；

(S23)更新小时间窗口PRR序列；

(S23‑1)如果小时间窗口PRR序列长度小于m，将Xc直接添加到当前小时间窗口PRR序列，更新后的小时间窗口PRR序列为X＝{X1,X2,...,Xc}；

(S23‑2)如果小时间窗口PRR序列长度等于m，则删除最早的小时间窗口PRR，并将Xc添加到当前小时间窗口PRR序列，更新后的小时间窗口PRR序列为X＝{Xc‑m+1,Xc‑m+2,...,Xc}；

(S24)对大时间窗口PRR进行预测；

(S24‑1)如果小时间窗口PRR序列长度小于m，对小时间窗口PRR序列X＝{X1,X2,...,Xc}取均值，作为对应大时间窗口的PRR预测值，即：(S24‑2)如果小时间窗口PRR序列长度等于m，则运行预测模型，将小时间窗口PRR序列作为预测模型的输入，得到对应大时间窗口的PRR预测值。

5.根据权利要求4所述的消除映射误差的无线链路质量敏捷预测方法，其特征在于：所述预测模型采用循环神经网络、小波神经网络、BP神经网络、随机森林、逻辑回归、支持向量机和AdaBoost中的其中一种进行训练。