Roman GłogulskiCom o desenvolvimento das redes móveis de quinta e sexta geração (5G e 6G), a gestão eficiente dos recursos de rádio tornou-se crucial. Essas redes avançadas permitem o uso de tecnologias como drones, realidade virtual e realidade aumentada. No entanto, para aproveitar totalmente seu potencial, é necessário rastrear e prever com precisão os indicadores de tráfego.
Para enfrentar esse desafio, pesquisadores da Universidade RUDN decidiram utilizar algoritmos de inteligência artificial (IA) e aprendizado de máquina (AM) para prever o tráfego. Eles utilizaram o modelo Holt-Winter e o modelo SARIMA para analisar dados de um operador de rede móvel português e prever o volume de tráfego por hora.
Ambos os modelos demonstraram alta precisão na previsão do tráfego para a próxima hora. O modelo SARIMA se mostrou melhor na previsão do tráfego do usuário para a estação base, alcançando uma taxa média de erro de apenas 11,2%. O modelo Holt-Winter teve um desempenho melhor na previsão do tráfego das estações base para os usuários, com uma taxa de erro tão baixa quanto 4%. O sucesso desses modelos foi atribuído à sua capacidade de identificar padrões temporais e gerenciar componentes sazonais e de tendência complexos.
O estudo enfatizou a importância da calibração de hiperparâmetros para melhorar ainda mais o desempenho dos modelos. Apesar dos resultados promissores de ambos os modelos, os pesquisadores observaram que não existe um método universalmente aplicável que funcione em todas as situações. Portanto, eles planejam combinar modelos estatísticos com técnicas de IA e AM para obter previsões mais precisas e detecção de anomalias.
Ao prever e responder efetivamente às dinâmicas de tráfego usando algoritmos de IA e AM, os provedores de rede podem melhorar o desempenho das redes 5G e 6G. Através de pesquisas contínuas e refinamento de métodos, esforços estão sendo feitos para maximizar a eficiência da rede e melhorar a satisfação do usuário em um cenário tecnológico em constante evolução.
Perguntas Frequentes:
Quais modelos foram utilizados no estudo?
O estudo utilizou os modelos Holt-Winter e SARIMA para prever o tráfego em redes móveis.
Quais resultados foram obtidos pelos modelos?
O modelo SARIMA alcançou uma taxa média de erro de 11,2% na previsão do tráfego do usuário para a estação base, enquanto o modelo Holt-Winter obteve uma taxa de erro de 4% na previsão do tráfego das estações base para os usuários.
Por que a calibração de hiperparâmetros é importante?
Os pesquisadores observaram que melhorar o desempenho dos modelos pode ser alcançado ajustando os hiperparâmetros para casos específicos. Não existe um método universalmente aplicável para todas as situações.
Fonte: [Universidade RUDN – Previsão de Tráfego nas Redes 5G e 6G: Cientistas Consideram IA e Modelos Matemáticos](https://www.rudn.ru/en/news-media/news/science/predicting-traffic-in-the-5g-and-6g-networks-scientists-consider-ai-and-mathematical-models)
The source of the article is from the blog maltemoney.com.br
