Применение метода машинного обучения KNN для краткосрочного прогнозирования интенсивности трафика в сетях 5G (на примере видеоконференций)

Abstract

В работе представлены результаты исследования применения метода машинного обучения k-ближайших соседей (KNN) для краткосрочного прогнозирования трафика видеоконференций в сетях 5G. Актуальность исследования обусловлена тем, что трафик видеоконференций имеет нестационарный и всплесковый характер, что требует наличия точных прогнозов для управления ресурсами сетей в реальном времени и минимизации задержек. В ходе проведения исследования выполнено моделирование трафика, передаваемого по сети 5G, оценено влияние значения k на производительность с использованием показателей RMSE и MAE, на основании чего определено наиболее оптимальное значение k. На основе полученных результатов исследования установлено следующее: 1) метод KNN характеризуется простой реализации; 2) с помощью метода KNN можно выполнять краткосрочное прогнозирование интенсивности трафика в сетях 5G с высокой точностью, что позволяет оптимизировать управление ресурсами указанных сетей и сокращать задержки трафика видеоконференций.