ارائه یک مدل پیش بینی ترافیک شبکه های نرم افزار محور با استفاده از فیلتر کالمن

امروزه پیش بینی ترافیک شبکه ها بسیار مورد توجه و علاقه پژوهشگران و صنعت است. زیرا پیش بینی شرایط بعدی شبکه موجب مدیریت وتصمیم گیری بهینه، افزایش کارآمدی و در نهایت رضایت کاربر خواهد شد. از سویی با گسترش شبکه های نرمافزارمحور زمینه های کاربردی بسیار زیادی جهت بکارگیری و بهبود سیستم های مهندسی ترافیک بوجود آمده است. از انجا که جریان یکی از واحدهای ارائه ترافیک در شبکه نرم افزارمحور است؛ در این مقاله، پیشنویس یک مدل مبتنی بر فیلتر کالمن برای پیش بینی ترافیک شبکه های نرم افزار محور ارائه شده است. برای پیش بینی نرخ جریان ترافیک برای بازه های زمانی بعدی، ازحجم ترافیک در واحد زمان و یا نرخ جریان ترافیکی مشاهده شده در یک فاصله زمانی خاص و با استفاده از محاسبات بازگشتی پارامترهای مربوطه از داده های ترافیک ورودی استفاده شده است، که می تواند در شبکه OpenFlow استفاده شود. پارامترهای مربوطه عبارتند از: کوواریانس نویز فرآیند، کوواریانس نویز اندازه گیری، بهره فیلترکالمن، حالت پیشین و پسین و کواریانس تخمین. در نهایت این مدل با استفاده از مجموعه داده با کم ترین، متوسط و بیشترین اتوکرولیشن آزمایش شد.