ترجمه و پاورپوینت پیش بینی سودمندی پهنای باند در شبکه های دارای پهنای باند بالا

توضیحات

 عنوان فارسی ترجمه: پیش بینی سودمندی پهنای باند در شبکه های دارای پهنای باند بالا

عنوان انگلیسی مقاله ترجمه شده:

Network Bandwidth Utilization Forecast Model on High Bandwidth Networks

با افزایش همکارایی های علمی که از نظر جغرافیایی توزیع شده هستند و حجم داده ی بالایی دارند، دست یابی کاربران به بهترین کارایی در شبکه ی اشتراکی مشکل شده است. در این پژوهش مدلی ایجاد کرده ایم که سودمندی پهنای باند را در شبکه های گسترده ی دارای پهنای باند بالا پیش بینی کند. مدل پیش بینی ما می تواند اثربخشی مربوط به سودمندی پهنای باند و زمان بندی حرکت داده در شبکه های دارای پهنای باند بالا را بهبود دهد به طوری که این شبکه ها با حجم داده ی رو به افزایش برای برنامه های کاربردی علمی سازگار شوند. یک مدل پیش بینی تک متغیره به کمک STL و ARIMA بر روی داده های  سودمندی مسیر SNMP ایجاد می شود. مدل پیش بینی معرفی شده در این پژوهش بر خلاف روش های قدیمی مانند متدولوژی باکس جنکینز، زمان محاسبه را 2/83 % کاهش می دهد. همچنین این مدل در برابر تغییرات ناگهانی استفاده از شبکه مقاوم است. خطاهای پیش بینی در حدود انحراف معیار اندازگیری های مشاهده شده است.

واژگان کلیدی: پیش بینی، شبکه، تحلیل سری های زمانی

 مقدمه

با پیشرفت آزمایشات مقیاس بزرگ و شبیه سازی ها، حجم داده های برنامه های کاربردی علمی نیز به سرعت افزایش یافته است. حتی با وجود این که تکنولوژی شبکه پیشرفت زیادی داشته است باز هم هماهنگ سازی منابع شبکه و دستیابی به بهترین کارایی ممکن در شبکه اشتراکی بسیار مشکل است. همچنین ساخت یک مدل دقیق که بتواند سودمندی پهنای باند شبکه را پیش بینی کند به خاطر وجود پیچیدگی های محاسباتی مشکل است. برای این که بتوانیم منابع رابه صورت کارا پشتیبانی و حرکت داده ها را نیز زمان بندی کنیم یک مدل تحلیلی ایجاد کرده ایم تا بتواند سودمندی پهنای باند را در یک شبکه ناحیه ای وسیع (WAN)با پهنای باند بالا توصیف و پیش بینی کند.

این مدل پیش بینی می تواند اثربخشی سودمندی پهنای باند منابع شبکه را بهبود دهد. همچنین می تواند در زمان بندی کارای منابع و یافتن مسیر برای انتقال داده کمک کند. هدف این مقاله، مدل کردن سودمندی پهنای باند شبکه بین طرفین یک ارتباط است. به طوری که زمانبندی جریان داده و تصمیم های انتخاب معیار را به خوبی توپولوژی شبکه حمایت کند. مدل معرفی شده می تواند به تصمیم گیری های انتقال داده ی منظم بدون در نظر گرفتن مقررات کمک کند. در یکی از پژوهش های سابق، یک چهارچوب برای رزرواسیون شبکه معرفی کردیم که پهنای باندی تضمین شده را در شبکه ESnet فراهم می کرد. مدل پیشنهادی ما در این مقاله ی حاضر می تواند تکمیل کنند سیستم رزرواسیون بیان شده باشد.

بهتر است مدل از لحاظ محاسباتی کارا و دقیق باشد تا بتواند مسیرهای مختلف مورد علاقه کاربران را پیش بینی کند. در این پژوهش یک مجموعه داده ی آموزش مناسب انتخاب می کنیم تا خطای پیش بینی نسبتا دقیقی و سربار محاسباتی قابل کنترلی را نشان دهد. به علاوه، تاثیر استفاده متغیر از پهنای باند را بر دقت پیش بینی و آستانه مناسب مطالعه کرده ایم تا مدل را در برابر تغییرات ناگهانی استفاده مقاوم سازیم. داده ها آزمایشی با استفاده از پروتکل ساده مدیریت شبکه (SNMP) توسط ESnet [1] از تاریخ 2013 تا 2014 و از روی هر مسیریاب جمع شده است. آزمایشات از داده های SNMP مربوط به 6 مسیر جهت دار  که یک جفت از مراکز داده های بزرگ را به هم وصل می کند استفاده می کند و در قسمت 4-الف توصیف می شود. داده های SNMP شامل اندازه سودمندی پهنای باند و مقیاس زمانی 30 ثانیه ای است. حداکثر اندازه سودمندی کانال در هر فاصله زمانی از مسیریاب های موجود در هر مسیر استخراج می شود که بیانگر سودمندی پهنای باند مسیر است.

مدل پیشنهادی ما یک مدل سری زمانی تک متغیره است. در گام نخست باید فصلی بودن داده ها را از بین برد، بدین منظور از تجزیه فصلی سری های زمانی Loess (STL) استفاده شده است. STL داده های SNMP را به سری های زمانی فصلی، روند (trend ) و باقیمانده تجزیه می کند. پس از این که مؤلفه ی فصلی را استنباط کردیم از میانگین ARIMA بر روی سری های زمانی تصحیح شده ی فصلی استفاده می کنیم. ARIMA مختصر شده عبارت میانگین متحرک خودهمبسته یکپارچه است. مرتبه های مدل ARIMA در یک مکانیزم اتوماتیک و بر اساس فرض سری زمانی ایستا در مورد داده های SNMP انتخاب می شود. مشاهده کرده ایم تغییرات عمده ای در میانگین بهره وری پهنای باند مربوط به پنجره مجموعه آموزشی (تا 8 هفته) بین 2013 و 2014 وجود ندارد. در بخش 4-ج نشان می دهیم که فرض ایستایی برای داده های SNMP مناسب است. مدل پیش بینی ما زمان محاسبات را تا 2/83 %  کاهش می دهد.

 ادامه پژوهش بدین صورت است. در بخش 2 کارهای انجام شده توضیح داده می شود. بخش 3 به تشریح طراحی مدل و پیاده سازی می پردازد. در بخش 4 ارزیابی تجربی مدل پیش بینی را بیان می کند و بخش 5 شامل جمع بندی است.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.