پیش بینی ترافیک آینده با استفاده از مدل های پنهان مارکوف

تخمین و پیش بینی حجم ترافیک شبکه موضوع تحقیقاتی مهمی است که توجه مداوم انجمن شبکه و انجمن یادگیری ماشین را جلب کرده است. اگر چه کار زیادی بر روی تخمین و پیش بینی ماتریس ترافیک با استفاده از مدلهای سری زمانی، تجزیه ماتریس با رنک پایین وجود دارد بر اساس آنچه ما و همکاران میدانیم کارهای کمی برای بررسی این مسئله که آیا ما می توانیم حجم شبکه مبتنی بر برخی آمارگان آمارههای ترافیک که جمع آوری ،آنها کم هزینه تر هستند مانند جریان شمارش flow count ، تخمین زده یا پیش بینی کنیم در این مقاله مدلی برای ارتباط بین حجم ترافیک و آمارگان آماره(هایهای ساده مانند جریان flows با استفاده مدل پنهان مارکف پیشنهاد میدهیم که بر اساس آن میتوانیم از اندازه گیری مستقیم حجم داده اجتناب کنیم اما در عوض حجم ترافیک پنهان شده مبتنی بر آن آمارگان آماره(های ساده جریان flow که به وسیله برخی تکنیکهای طراحی جمع آوری شده اند تخمین زده و پیش بینی کنیم سادگی و تاثیرگذاری روش پیشنهادی را با استفاده از تعدادی شبه شبیه سازی و نتایج تجربی حاصل از داده واقعی نشان می دهیم.

کلیدواژه ها:

ترافیک ، مدل ، مارکوف