1.一种流媒体播放质量的预测方法，其特征在于，包括以下步骤：
步骤1，使用网络监听技术收集和本机系统相关的网络数据包，通过IP地址、端口过滤技术保留流媒体播放相关的数据包；
步骤2，根据相应协议重新构建协议栈，获取该协议栈中传输的媒体数据和网络性能数据，并记录主机的性能数据；
步骤3，解码媒体数据，结合系统时间综合判断当前播放质量，结合上一阶段的网络和主机性能数据训练机器学习模型；
步骤4，使用机器学习模型，通过当前网络和主机性能数据，预测下一阶段时间的流媒体播放质量。
2.根据权利要求1所述的流媒体播放质量的预测方法，其特征在于，步骤1中所述通过IP地址、端口过滤技术保留流媒体播放相关的数据包，具体为：
使用电子节目指南服务器、调度服务器和内容分发网络服务器的IP地址和端口对网络数据包进行过滤，仅保留流媒体播放相关的数据包。
3.根据权利要求1所述的流媒体播放质量的预测方法，其特征在于，步骤2所述根据相应协议重新构建协议栈，获取该协议栈中传输的媒体数据和网络性能数据，并记录主机的性能数据，具体如下：
A)针对传输层是TCP协议的，使用对帧技术，获取TCP中传输的流数据，同时记录时延、乱序率、丢包率、低窗口率；
B)针对应用层是HTTP协议的，对包头进行重新构建，获取请求信息和响应信息，同时记录各阶段时延；
C)针对应用层是HLS协议的，记录媒体码率；
D)针对传输层是UDP组播协议的，记录组播控制信息和媒体数据，同时记录网络时延、抖动；
E)记录播放流媒体时的CPU使用率、内存占用率和IO性能。
4.根据权利要求1所述的流媒体播放质量的预测方法，其特征在于，步骤3中所述的解码媒体数据，结合系统时间综合判断当前播放质量，包括以下步骤：
步骤3.1.1，根据已下载的媒体片段，快速解码获取片段时长；
步骤3.1.2，通过媒体片段下载时间和媒体时长求出目前还可以播放的时长；
步骤3.1.3，通过积累的可播放时长和系统流逝的时间，判断当前流媒体播放质量，并根据缓存时长进行播放质量评级。
5.根据权利要求1所述的流媒体播放质量的预测方法，其特征在于，步骤3中所述的结合上一阶段的网络和主机性能数据训练机器学习模型，步骤如下：
步骤3.2.1，选择网络性能数据中能够体现网络状态的参数，加上反映主机工作状态的性能数据参数，进行预处理和数据融合，最后得到特征向量；
步骤3.2.2，将当前状态10秒前的由步骤3.2.1中得出的特征向量作为输入，将当前流媒体播放质量评级作为输出，训练具有分类功能的机器学习模型。
6.根据权利要求5所述的流媒体播放质量的预测方法，其特征在于，步骤4中所述的使用机器学习模型，通过当前网络和主机性能数据，预测下一阶段时间的流媒体播放质量，具体为：
将当前状态的由步骤3.2.1得出的特征向量作为输入，机器学习模型的输出作为10秒后流媒体播放质量的预测。