Верифікація моделей нестаціонарного поліномального трафіку

Анотація

Мета роботи полягає в тому, щоб виконати експериментальне дослідження моделей оптимального оцінювання поліноміального трафіку в гетерогенних комп’ютерних мережах. Для досягнення мети дослідження ставляться і вирішуються задачі верифікації моделей трафіку при різної розмірності поліноміального трафіку. Процедура верифікації розуміється як перевірка адекватності моделей трафіку еталонним моделям за допомогою обраних критеріїв і показників адекватності, у ролі яких використані цільові функціонали, які визначають точність і достовірність моделювання трафіку. Основними критеріями служать точкові та інтервальні оцінки конкордації (узгодженості) між собою модельних і еталонних значень моментів поліноміального трафіку. Моделі нестаціонарного трафіка в гетерогенних комп’ютерних мережах побудовані методом квантування і марковській апроксимації та методом найменших квадратів. Багатомірний закон розподілу всіх значень агрегованого трафіку на інтервалі нестаціонарності передбачається гаусовим. Для оцінювання точності апроксимації трафіку вводиться поняття еталонного трафіку і використовується порівняння перших двох моментних характеристик обвідної модельного і еталонного трафіків. Це дозволяє порівнювати багатомірні гаусовські розподіли еталонного та модельного нестаціонарного трафіку. Збільшення розмірності моделей супроводжується зростанням точності апроксимації нестаціонарного трафіку. Запропонована система показників і методика верифікації моделей нестаціонарного трафіку з різним числом станів трафіку дозволяють з необхідним ступенем повноти виконувати верифікацію моделей. Наведені розрахунки критеріїв верифікації моделей нестаціонарного поліноміального трафіку розмірності  n=3 і n=4 в гетерогенних комп’ютерних мережах у дискретному випадку з використанням  метрики простору Евкліда і  простору Гільберта в безперервному випадку. Отримані результати дозволяють виявити загальні закономірності росту точності апроксимації трафіку (ступеня адекватності моделей) в залежності від збільшення розмірності моделей та обсягів вибірок.