ПРОГНОЗИРОВАНИЕ СЕТЕВОГО ТРАФИКА

Авторы

Жаныбек Шаршеналиев Институт машиноведения и автоматики НАН Кыргызской Республики (Бишкек)
Ш.А. Мирзакулова
С.У. Исакова

Ключевые слова:

временной ряд, нейронная сеть, персептрон, многослойная сеть, прогноз

Аннотация

Современная гетерогенная сеть порождает сетевой трафик со сложной (неоднородной) структурой. Исследование реально измеренных данных показывают, что они обладают не равномерной интенсивностью поступления пакетов на обслуживающие сетевые устройства. При этом модели, построенные на основе данных, характеризующего один объект за ряд последовательных моментов времени (временные ряды) обладают свойством нестационарности, что означает, что их структура многокомпонентная. Поэтому сегодня задачи управления сетью основываются, в том числе и на предсказанных будущих данных для принятия правильного решения. Выявить и количественно выразить компоненты сложной структуры – наличие/отсутствие тенденции, периодичности, случайной компоненты является основной задачей анализа временного ряда. Идентифицировать нелинейную функцию и осуществить его прогнозирование с большим успехом сегодня осуществляют алгоритмы нейронной сети с глубоким обучением.

Библиографические ссылки

Николаева С.Г. Нейронные сети. Реализация в Matlab. Учебное пособие. Нейронные сети. Реализация в Matlab: учебное пособие / С.Г. Николаева. – Казань: Казанский государственный энергетический университет, 2015. – 92 с.

Исакова С.У., Мирзакулова Ш.А. Статистическая оценка основных тенденций измеренного временного ряда. – Вестник КРСУ, 2018. – Том 18. – №12. –С. 51–54.

Шаршеналиев Ж.Ш., Мирзакулова Ш.А., Юсупова Г.М. Оценка спектра мощности временного ряда // Материалы научной конференции ИИВТ КН МОН РК «Инновационные IT и Smart-технологии» – Алматы, 03. 2019. – С. 332–337.

Серіков Т.Ғ., Мирзакулова Ш.А., Юсупова Г.М., Авелбекова С.Ш., Сабитова А.Ж. Анализ временного ряда методом ССА // Вестник ПГУ, 2019. – № 3 –

С. 328–339.