Методи прогнозування інформаційного трафіку в гетерогенних телекомунікаційних мережах

Abstract

У роботі розглянуто методи прогнозування інформаційного трафіку в гетерогенних телекомунікаційних мережах. Проаналізовано сучасні підходи до прогнозування, зокрема статистичні методи, моделі на основі часових рядів, гібридні підходи, а також методи прогнозування із застосуванням штучних нейронних мереж (ШНМ). Досліджено можливості використання параметричних моделей, зокрема ARIMA та ARIMA-GARCH, для короткострокового прогнозування мережевого трафіку. Також розглянуто ефективність нейромережевих підходів, зокрема LSTM, для довгострокового прогнозування. Оцінено переваги та недоліки різних методів, а також їхню доцільність для застосування в мережах п’ятого та наступних поколінь. Отримані результати можуть бути використані для оптимізації управління мережевими ресурсами, підвищення якості надання послуг зв’язку та запобігання перевантаженню мережі.

The paper considers methods of forecasting information traffic in heterogeneous telecommunication networks. Modern approaches to forecasting are analyzed, including statistical methods, time-series models, hybrid approaches, and forecasting methods using artificial neural networks (ANNs). The possibilities of using parametric models, in particular ARIMA and ARIMA-GARCH, for short-term forecasting of network traffic are investigated. The effectiveness of neural network approaches, in particular LSTM, for long-term forecasting is also considered. The advantages and disadvantages of various methods are evaluated, as well as their feasibility for use in fifth and subsequent generations of networks. The obtained results can be used to optimize the management of network resources, improve the quality of communication services and prevent network congestion.