Mākslīgā intelekta (AI) un mašīnmācības (ML) algoritmi ir pierādījuši, ka tie var būt pamatsaturs piektās un sestās paaudzes (5G un 6G) tīklu satiksmes prognozēšanā. RUDN Universitātes pētnieki nesen veica pētījumu, lai izpētītu AI un ML efektivitāti mobilā tīkla profiliem prognozēt. Izmantojot šos augstākā līmeņa tehnoloģijas, tīkla pakalpojumu sniedzēji var labāk plānot un vadīt tīkla satiksmi, kas noved pie uzlabotas lietotāja apmierinātības un tīkla efektivitātes.
Pētnieki savā pētījumā koncentrējās uz diviem populāriem laika sērijas analīzes modeļiem: Holt-Winters modeli un sezonālo integrēto autoregresīvo kustīgo vidējo (SARIMA). Izmantojot datus no portugāļu mobilo operatoru, pētnieki apkopoja stundu satiksmes statistiku, lai apmācītu un pārbaudītu modeļus. Viņi atklāja, ka abām modeļiem bija izcila veiktspēja prognozēt satiksmi nākamajā stundā.
SARIMA modelis pierādīja savu spēku prognozējot lietotāju uz bāzes stacijas satiksmi, sasniedzot tikai 11,2% vidējo kļūdu koeficientu. Šis modelis pārsvarā izpaužas kā labs instrument satiksmes īslaicīgu modeļu uzraudzībai, izmantojot savu spēju ierakstīt laika patterns. No otras puses, Holt-Winters modelis parādīja labāku veiktspēju bāzes stacijas uz lietotāja satiksmes novērtēšanā, ar kļūdas koeficientu līdz 4%. Šī modeļa spēja apstrādāt sarežģītas sezonālības un tendences sastāvdaļas veicināja tās precizitāti.
Lai novērtētu modeļu veiktspēju, pētnieki izmantoja dažādus kritērijus, piemēram, vidējo kvadrātisko kļūdu (MSE), kvadrātsaknes no vidējā kvadrātisko kļūdu (RMSE), vidējo absolūto kļūdu (MAE), vidējo absolūto procentuālo kļūdu (MAPE) un vidējo skalētu logaritmisko kļūdu (MSLE). Lai gan modeļi sasnieguši ievērojamus rezultātus, pētnieki norādīja, ka ir iespējas turpmākai uzlabošanai, veicot hiperparametru sīkāku pielāgošanu.
Pētnieki uzsver statistisko modeļu apvienošanas ar AI un ML tehnikām nozīmi, lai uzlabotu satiksmes prognozes precizitāti un laicīgi atklātu anomalijas. Šis pētījums ir nozīmīgs ieguldījums 5G un 6G tīklu efektivitātē, jo pētnieki turpina izpētīt metodes, lai optimizētu veiktspēju un uzlabotu lietotāju apmierinātību.
Ar jaunās tehnoloģijas ieviešanu un neatlaidīgu tieksmi uzlikt akcentus uz tīkla satiksmes prognožu precizitāti, AI un ML algoritmi sniedz jaunas iespējas telekomunikāciju jomā. Rezultātā sniegtie nepieciešamie iekšķīgie atziņu avoti no šo pētījumu rezultātiem dos iespēju virzīties uz priekšu šajā strauji attīstošajā jomā, kur pakalpojumu sniedzēji cenšas maksimāli palielināt tīkla efektivitāti.
The source of the article is from the blog jomfruland.net