Published January 1, 2020
| Version v1
Publication
Open
Capacity and Frequency Optimization of Wireless Backhaul Network Using Traffic Forecasting
Creators
- 1. University of Malaya
- 2. University of Central Punjab
- 3. Information Technology University
- 4. Indian Institute of Information Technology, Design and Manufacturing, Kancheepuram
- 5. Ton Duc Thang University
- 6. Institute of Materials Science
Description
Telecom operators are aiming to provide high-grade data, multimedia applications and low latency videos for smart devices. As today's mobile data is experiencing rapid growth and the usage of smart devices are fabricating unparalleled challenges for telecom operators to meet the global bandwidth requirement. From the first generation to fourth generation, the technology evolution is predominantly governed by the hardware side but now it is moving towards the concept of cognitive network management, resource orchestration and machine learning-based solutions. In this paper, we propose the adaptive capacity and frequency optimization (ACFO) method for adaptive optimization based on time series forecasting approach. The daily capacity utilization of microwave (MW) links is analyzed to use forecasted demand. Based on the projected demand, the capacity and frequency optimization will be executed. The two main forecasting models 1) SARIMA and 2) MLP are used and for performance evaluation, we used RMSE and MAPE criterion. The analytic outcomes show that MLP with two layers and six hidden nodes (6/6) are good enough to achieve the desired results. In some cases, we need to exceed the hidden nodes up to fifteen (15/15). By using the forecasting approach, the reactive optimization will successfully shift to the predicted/proactive optimization, will balance the resource distribution and can condense the wastage of resources. The outcome of the study will be a contribution to the dynamic resource optimization in wireless backhaul network.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يهدف مشغلو الاتصالات إلى توفير بيانات عالية الجودة وتطبيقات الوسائط المتعددة ومقاطع فيديو منخفضة الكمون للأجهزة الذكية. نظرًا لأن بيانات الهاتف المحمول اليوم تشهد نموًا سريعًا، فإن استخدام الأجهزة الذكية يصنع تحديات لا مثيل لها لمشغلي الاتصالات لتلبية متطلبات النطاق الترددي العالمي. من الجيل الأول إلى الجيل الرابع، يخضع التطور التكنولوجي في الغالب لجانب الأجهزة ولكنه الآن يتجه نحو مفهوم إدارة الشبكة المعرفية وتنسيق الموارد والحلول القائمة على التعلم الآلي. في هذه الورقة، نقترح طريقة تحسين القدرة التكيفية والتردد (ACFO) للتحسين التكيفي بناءً على نهج التنبؤ بالسلاسل الزمنية. يتم تحليل الاستخدام اليومي لسعة وصلات الميكروويف (MW) لاستخدام الطلب المتوقع. بناءً على الطلب المتوقع، سيتم تنفيذ تحسين السعة والتردد. يتم استخدام نموذجي التنبؤ الرئيسيين 1) SARIMA و 2) MLP ولتقييم الأداء، استخدمنا معيار RMSE و MAPE. تظهر النتائج التحليلية أن MLP مع طبقتين وستة عقد مخفية (6/6) جيدة بما يكفي لتحقيق النتائج المرجوة. في بعض الحالات، نحتاج إلى تجاوز العقد المخفية حتى خمسة عشر (15/15). باستخدام نهج التنبؤ، سيتحول التحسين التفاعلي بنجاح إلى التحسين المتوقع/الاستباقي، وسيوازن توزيع الموارد ويمكن أن يكثف إهدار الموارد. ستكون نتيجة الدراسة مساهمة في تحسين الموارد الديناميكية في شبكة التوصيل اللاسلكي.Translated Description (French)
Les opérateurs de télécommunications visent à fournir des données de haute qualité, des applications multimédias et des vidéos à faible latence pour les appareils intelligents. Alors que les données mobiles d'aujourd' hui connaissent une croissance rapide et que l'utilisation d'appareils intelligents crée des défis sans précédent pour les opérateurs de télécommunications afin de répondre aux besoins mondiaux en bande passante. De la première génération à la quatrième génération, l'évolution technologique est principalement régie par le côté matériel, mais elle évolue maintenant vers le concept de gestion cognitive des réseaux, d'orchestration des ressources et de solutions basées sur l'apprentissage automatique. Dans cet article, nous proposons la méthode d'optimisation adaptative de la capacité et de la fréquence (ACFO) pour l'optimisation adaptative basée sur l'approche de prévision des séries temporelles. L'utilisation quotidienne de la capacité des liaisons micro-ondes (MW) est analysée pour utiliser la demande prévue. Sur la base de la demande projetée, l'optimisation de la capacité et de la fréquence sera exécutée. Les deux principaux modèles de prévision 1) SARIMA et 2) MLP sont utilisés et pour l'évaluation des performances, nous avons utilisé les critères RMSE et MAPE. Les résultats analytiques montrent que le MLP à deux couches et six nœuds cachés (6/6) est suffisant pour obtenir les résultats souhaités. Dans certains cas, nous devons dépasser les nœuds cachés jusqu'à quinze (15/15). En utilisant l'approche de prévision, l'optimisation réactive passera avec succès à l'optimisation prédite/proactive, équilibrera la répartition des ressources et pourra condenser le gaspillage des ressources. Le résultat de l'étude sera une contribution à l'optimisation dynamique des ressources dans le réseau de liaison sans fil.Translated Description (Spanish)
Los operadores de telecomunicaciones tienen como objetivo proporcionar datos de alta calidad, aplicaciones multimedia y vídeos de baja latencia para dispositivos inteligentes. A medida que los datos móviles de hoy en día están experimentando un rápido crecimiento y el uso de dispositivos inteligentes están creando desafíos sin precedentes para que los operadores de telecomunicaciones cumplan con los requisitos de ancho de banda global. Desde la primera generación hasta la cuarta generación, la evolución de la tecnología se rige predominantemente por el lado del hardware, pero ahora se está moviendo hacia el concepto de gestión de redes cognitivas, orquestación de recursos y soluciones basadas en el aprendizaje automático. En este artículo, proponemos el método de optimización adaptativa de la capacidad y la frecuencia (ACFO) para la optimización adaptativa basada en el enfoque de pronóstico de series de tiempo. Se analiza la utilización diaria de la capacidad de los enlaces de microondas (MW) para utilizar la demanda prevista. En función de la demanda proyectada, se ejecutará la optimización de capacidad y frecuencia. Se utilizan los dos principales modelos de pronóstico 1) SARIMA y 2) MLP y para la evaluación del desempeño se utilizó el criterio RMSE y MAPE. Los resultados analíticos muestran que MLP con dos capas y seis nodos ocultos (6/6) son lo suficientemente buenos como para lograr los resultados deseados. En algunos casos, necesitamos superar los nodos ocultos hasta quince (15/15). Al utilizar el enfoque de pronóstico, la optimización reactiva cambiará con éxito a la optimización prevista/proactiva, equilibrará la distribución de recursos y podrá condensar el desperdicio de recursos. El resultado del estudio será una contribución a la optimización dinámica de recursos en la red de retorno inalámbrica.Files
08974293.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:922211050536dfa7f19d363874ade02d
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحسين السعة والتردد لشبكة النقل اللاسلكي باستخدام التنبؤ بحركة المرور
- Translated title (French)
- Optimisation de la capacité et de la fréquence du réseau de liaison sans fil à l'aide de la prévision du trafic
- Translated title (Spanish)
- Optimización de la capacidad y la frecuencia de la red de retorno inalámbrica mediante la previsión del tráfico
Identifiers
- Other
- https://openalex.org/W3003335119
- DOI
- 10.1109/access.2020.2970224
References
- https://openalex.org/W1021545722
- https://openalex.org/W1996102080
- https://openalex.org/W2001826088
- https://openalex.org/W2023191914
- https://openalex.org/W2033444062
- https://openalex.org/W2036455044
- https://openalex.org/W2038340293
- https://openalex.org/W2047790076
- https://openalex.org/W2056376122
- https://openalex.org/W2062824015
- https://openalex.org/W2075824254
- https://openalex.org/W2075925295
- https://openalex.org/W2081974606
- https://openalex.org/W2098290365
- https://openalex.org/W2100470343
- https://openalex.org/W2108758608
- https://openalex.org/W2138087017
- https://openalex.org/W2147584524
- https://openalex.org/W2161875093
- https://openalex.org/W2274197384
- https://openalex.org/W2415205528
- https://openalex.org/W2480895469
- https://openalex.org/W2514159439
- https://openalex.org/W2517735925
- https://openalex.org/W2602923095
- https://openalex.org/W2617931713
- https://openalex.org/W2769644800
- https://openalex.org/W2770242078
- https://openalex.org/W2783656730
- https://openalex.org/W2791110762
- https://openalex.org/W2799789854
- https://openalex.org/W2800824532
- https://openalex.org/W2888136318
- https://openalex.org/W2889260512
- https://openalex.org/W2891575108
- https://openalex.org/W2901606777
- https://openalex.org/W2905674925
- https://openalex.org/W2963035276
- https://openalex.org/W322862721
- https://openalex.org/W4234785805
- https://openalex.org/W4237790707
- https://openalex.org/W594034742
- https://openalex.org/W951455574