روشی جدید برای پیش بینی ترافیک شبکه موبایل براساس احتمالات رفتار کاربر ویادگیری ماشینی

یکی از نیازمندی های شبکه برای مدیریت صحیح منابع مانند توان و فرکانس و زمان، کنترل پذیرش کاربران جدید و کنترل کیفیت سرویس، اطلاعات ترافیکی است. در یک شبکه، معمولا دو دسته کلی از کاربران وجود دارند: ماشین و انسان؛ معمولا رفتار هرکدام از این دو، با عدم قطعیت هایی همراه است که پیش بینی آن را دشوار می سازد. در دهه اخیر پیشرفت های چشمگیری در زمینه هایی مانند بهبود عملکرد پردازنده ها و حافظه ها، روش های نوین محاسبات، تولید و ذخیره داده در علوم گوناگون، هوش مصنوعی و یادگیری ماشینی، رخ داده است که سبب شده تا از روش های مختلفی برای پیش بینی ترافیک شبکه استفاده شود؛ از جمله این روش ها یادگیری ماشینی، تبدیلات ریاضی و تحلیل های هارمونیکی و تکنیک های سری زمانی است. هدف از این مقاله، ارائه روشی برای پیش بینی ترافیک شبکه موبایل با کمک روش های یادگیری ماشینی و احتمالات رفتار کاربر انسانی است. در این روش، از خوشه بندی کاربران و طبقه بندی آن ها بر اساس رفتارشان، برای پیش بینی ترافیک استفاده شده است. برای نشان دادن کارایی این روش، برای شبیه سازی از یک جامعه آماری سنتز شده استفاده شده است. بررسی نتایج حاصله، نشان می دهد که روش پیشنهادی ما، در مقایسه با برخی از روش های موجود بهبودهایی را ایجاد می کند.