5G ve ötesi ağlar için ağ dilimleme ile trafik tahmini

Bu tez, trafik hacmini tahmin etmek için ağların trafik talebi karşısında hizmet düzeyi sözleşmelerini (SLA) küçük yüzdelerle ihlal etmesini garanti edebilen Derin Sinir Ağı tabanlı bir yöntem önermektedir. Önerilen yaklaşım, 20 farklı radyo erişim ağı (RAN) özniteliği, en yoğun trafik saatlerine dayalı özel bir öznitelik seti ve uzay-zamansal etkilerden yararlanmak için mobilite tabanlı kümeleme içeren çok değişkenli, çok adımlı ve SLA odaklıdır. Ayrıca, aşırı provizyonu en aza indirirken belirlenen SLA ihlal oranı yüzdesini sağlayan farklı özel kayıp fonksiyonları önerilmektedir. 24 saat ileriye kadar çok adımlı tahminleme de gerçekleştirilir ve performansı tek adımlı tahminle karşılaştırılır. Önerilen yöntem, metropoliten bir alanda çalışan hücreler üzerinde toplam ve dilim tabanlı olmak üzere iki tür gerçek ve canlı mobil ağ trafik verisi ile test edilmiştir. Toplam trafik veri seti için değerlendirilen eğitim mimarileri tek hücreli ve çok hücreli olarak ele alınır. Ancak, yöntem, dilim tabanlı trafik veri seti için tek dilimli ve çok dilimli eğitim mimarileriyle tek hücre senaryolarına odaklanır. Bu tez, RAN özelliklerinin analizi, özel öznitelik seti tasarımı, özel kayıp fonksiyonu ve SLA kısıtlarını karşılamak için parametrik bir yöntem gibi birçok katkıda bulunur.