Rezumat teza - Facultatea de Electronica, Telecomunicatii si ...

Capitolul 8 Melinda BARABÁS
Capitolul 8
Implementarea ¸si evaluarea tehnicilor
de predic¸tie a traficului
8.1 Motiva¸tie
Predic¸tia traficului joacă un rol important în garantarea calită¸tii serviciilor (QoS) într-o re¸tea IP,
putând fi folosită în scheme de control care modifică func¸tionarea re¸telei, de exemplu procesul de
rutare sau mecanisme de evitare a congestiei. Alegerea metodei de predic¸tie reprezintă un compromis
între intervalul de predic¸tie, eroarea de predic¸tie ¸si costul computa¸tional. În literatura de
specialitate au fost propuse diferite metode de predic¸tie a parametrilor de trafic, dar rămâne neclar
care dintre ele poate asigura performan¸ta necesară, fiind în acela¸si timp simplă ¸si adaptivă. Se
consideră problema predic¸tiei ratei de transfer. Se dore¸ste a se identifica metoda cea mai potrivită
pentru predic¸tia parametrilor de trafic, ¸tinând cont atât de precizia, cât ¸si de complexitatea solu¸tiei.
8.2 Testarea performan¸telor tehnicilor liniare de predic¸tie
Se compară capacitatea de predic¸tie a următoarelor tehnici: modelul ARMA, algoritmul ARAR,
algoritmul HW ¸si predic¸tia prin re¸tele neuronale. În cazul re¸telelor neuronale (NN – Neural Network)
se tratează atât problema învă¸tării multi-task, cât ¸si problema învă¸tării multirezolu¸tie prin
folosirea transformatei wavelet, respectiv combinarea celor două abordări. Pentru evaluarea predictorilor
liniari se folose¸ste software-ul ITSM 2000, în timp ce pentru simularea re¸telelor neuronale
se apelează la mediul de dezvoltare MATLAB. S-a ales o colec¸tie de date alcătuită din N = 200
de măsurători consecutive de trafic, indicând rata de transfer, care se utilizează pentru modelare
liniară ¸si pentru instruirea predictorilor NN, iar un set ulterior de 20 de valori (care nu sunt incluse
în setul de antrenare/modelare) este folosit pentru testare.
8.3 Evaluarea tehnicilor liniare de predic¸tie
Calitatea predic¸tiei se evaluează prin intermediul metricilor de performan¸tă: MSE (Mean Square
Error), NMSE (Normalized MSE), RMSE (Root MSE), NRMSE (Normalized Root MSE), MAPE
(Mean Absolute Percentage Error), coeficientul de corela¸tie r ¸si coeficientul de eficien¸tă E.
Diferitele metode de predic¸tie descriu în felul următor ¸sirul de date modelat:
• model ARMA(3, 5):
X(t) = 2.142X(t − 1) − 2.038X(t − 2) + 0.8036X(t − 3) + Z(t) − 1.258Z(t − 1)+
+ 0.8077Z(t − 2) + 0.3543Z(t − 3) − 0.3987Z(t − 4) + 0.1565Z(t − 5) ,
Teză de doctorat, 2011 33