Возможности применения больших данных в мобильных сетях нового поколения

Данная магистерская диссертация посвящена исследованию различных алгоритмов машинного обучения применительно к самоорганизующимся LTE сетям. Цель работы - выбрать алгоритм, который позволил бы повысить качество обслуживания абонентов путем влияния на порядок проведения процедуры передачи клиентов между базовыми станциями оператора мобильной связи при перегрузке станции. Объем работы составляет 69 страниц. При написании работы использовано 30 источников литературы. Текст работы проиллюстрирован 53 рисунками, а также сопровождается 10 таблицами. Предметом исследования являются четыре алгоритма предсказания временных рядов: линейная регрессия, XGBoost, алгоритм Хольта-Винтерса и SARIMA. Эти алгоритмы последовательно применяются для предсказания четырех последующих значений трех параметров самоорганизующейся LTE сети, включая количество активных подключений, загрузку PRB и PDCCH. Данные значения прогнозируются с целью обеспечить контроллер самоорганизующейся сети возможностью заблаговременно инициировать передачу клиентов от приближающейся к перегрузке базовой станции. В отличие от традиционного подхода, наличие прогнозирования позволит избежать задержи в реакции контроллера, которая может достигать 60 минут.