Makine öğrenme yöntemleri kullanılarak üçüncü nesil mobil şebekelerdeki ses ve data trafikleri için ileri yönlü trafik tahmin modellerinin geliştirilmesi

Tezin amacı, üçüncü nesil mobil şebekelerin devre anahtarlamalı ses ve paket anahtarlamalı veri trafikleri için ileri yönlü tahminin yapılmasını sağlayan daha akıllı modeller geliştirmektir. Trafik tahmin modelleri ilk olarak makine öğrenimi ile oluşturulmuş ve içerik olarak dört farklı yöntem kullanılmıştır. Bu yöntemler sırası ile Destek Vektör Makinesi (Support Vector Machine - SVM), Çok Katmanlı Algılayıcı (Multilayer Perceptron - MLP), Radyal Tabanlı Fonksiyon Sinir Ağı (Radial Basis Function Neural Network – RBF) ve Rasgele Orman'dır (Random Forest). İlave olarak istatistiki bir yöntem olan Holt-Winters methodu kullanılarak trafik tahmin modeli geliştirilmiştir. Trafik tahmin modelleri üretilirken UMTS şebekesine ait olan dört farklı tipteki gerçek trafik bilgileri kullanılmıştır. Modellerin performansı Ortalama Mutlak Yüzde Hata (MAPE) değeri hesaplanarak değerlendirilmiştir. Sonuçlar, genel olarak SVM tabanlı ve Holt-Winters tabanlı modellerin diğer yöntemlerden daha iyi performans elde ettiğini göstermektedir.