本发明公开了一种基于机器学习的量子城域网端到端可用密钥速率测量方法，主要解决现现有同类技术因时延判断错误导致测量精度低的问题。其方案是：用XGBoost算法训练不同网络的端到端时延得到端到端时延趋势预测模型；设置待测路径的相关参数，源端发送密钥包；目的端记录并分析相邻数据包的到达间隔，决定后续密钥包包长；源端发送后续测试密钥包；目的端记录密钥包的端到端时延计算其特征值，输入到训练好的端到端时延趋势预测模型得到端到端时延变化趋势；根据该变化趋势重复调整速率，获得满足精度的可用密钥速率。本发明减小了对时延趋势判断失误的概率，提高了测量精度，可用于量子城域网络建设项目验收，相关通信服务及网络优化。