پیش بینی داده در رایانش مه و لبه : یک مطالعه مروری جامع

اینترنت اشیاء چشم اندازی است که در آن میلیاردها شی هوشمند به هم مرتبط میشوند و از طریق تبادل داده هاو اطلاعاتی که در مورد محیط حس می شوند، می توانند با یکدیگر و با محیط تعامل و ارتباط برقرار کنند. در نتیجهحجم عظیمی از داده ها تولید و از طریق شبکه منتقل می شود. بنابراین، این برنامه ها به فضای ذخیره سازی و قدرتمحاسباتی عظیم برای پردازش بلادرنگ و با سرعت بالا نیاز دارند. از طرفی با ظهور سرویس های ابر مختلف و ارسالداده های نهایی به ابر برای تجزیه و تحلیل، رایانش ابر را به عنوان یک الگوی محاسباتی ضروری هدایت می کند.انتقال تمام داده های اینترنت اشیا به سطح ابر ممکن است به دلیل تاخیر بیش از حد، محدودیت پهنای باند وهزینه های ارتباطی بالا بر عملکرد شبکه و کیفیت خدمات تاثیر منفی بگذارد. برای رویارویی با این چالش ها مفهومیبه نام رایانش مه/ لبه مطرح شد. رایانش مه به عنوان یک واسطه بین لبه و ابر برای اهداف مختلف عمل می کند. بااین حال، ارتباطات داده بخش قابل توجهی از منابع انرژی را در شبکه مصرف می کند. بنابراین، به رویکردهایی نیازاست که تعداد انتقال داده ها از حسگرها را بدون به خطر انداختن دقت داده ها کاهش دهد. یکی از راه های دستیابیبه این هدف، بهرهبرداری از روشهای پیشبینی داده ۴ است. علاوه بر کاهش انتقال دادهها امروزه از مدلهای پیش-بینی داده در بسیاری از حوزهها از جمله مراقبتهای بهداشتی هوشمند، کشاورزی هوشمند، حمل و نقل و غیرهاستفاده می شود. روش های امروزی پیش بینی کننده، می توانند با تحلیل دیتاهای یک سازمان، ریسک ها و فرصت هایاحتمالی آنها در آینده را پیش بینی نمایند. این مقاله، مروری بر روش های پیش بینی داده در مه/ لبه می باشد. سایرمقالات مشابه نیز در بازه زمانی ۲۰۱۸ تا ۲۰۲۲ بررسی شده اند. سپس به دسته بندی هر کدام از پژوهش ها از منظرموضوع اصلی، مزایا، معایب، یافته های جدید، حوزه کاربرد، نتایج ارزیابی، محیط ارزیابی و معیارهای ارزیابی در قالبجدول و نیز به صورت آماری پرداخته شده است و در نهایت، نتیجه گیری از مقالات و پژوهش ها، آورده شده است

کلیدواژه ها:

رایانش مه ، رایانش لبه ، پیش بینی داده ، اینترنت اشیاء ، شبکه حسگر بی سیم