Methods of forecasting flows in computer networks on the basis of Рad approximation
DOI:
https://doi.org/10.18372/2310-5461.46.14814Keywords:
computer networks, flows, prognostication, heterogeneity, Padé approximation, stabilityAbstract
An important component of a large corporate computer network management system is the network status forecasting unit. Forecasting should take into account the characteristics of the processes and flows circulating in the network. This will produce optimal control signals to control the network or its segment. It is shown that the flows in such networks (in particular, traffic) have a significant heterogeneity, ie the presence of significant emissions against the background of a small average value. Given these and other characteristics, flows in large corporate computer networks can be considered non-stationary.
A method for predicting nonstationary time series using the Padé approximation, a powerful and accurate method for estimating the parameters of random processes, is proposed. This method can be used especially successfully in the presence of nonstationaries of the most various nature.
To ensure the stability of the method and the stability of the results, it is proposed to force the poles of the approximating function into the stability zone - a single circle of the z-plane with the rules of conformal transformation: transformation of linear dimensions and preservation of angles between orthogonal coordinates. ). It is shown that in compliance with the conformity of the proposed transformation, the dynamic characteristics of the estimation and forecasting system are preserved.
Numerical methods for finding Padé approximations are analyzed. The requirements to the Padé approximation algorithm are determined. It is shown that the algorithm must indicate at the output that the approximation that is calculated is degenerate according to the accepted criterion, ie to include a reliable degeneracy test. Al-algorithm should also be effective, but efficiency is not as important as reliability and resilience. The accuracy of numerical calculations is of paramount importance, because the information that allows the Padé approximation to carry out the analytical continuation of the function far beyond the circle of convergence, is enclosed in far decimal places of the data of the series coefficients.
References
Віноградов М. А., Савченко А. С. Концепція управління корпоративною комп’ютерною мережею на основі психофізіологічних механізмів професійної діяльності людини. Наукові записки Українського науково-дослідного інституту зв’язку: зб. наук. праць. 2013. Вип. 3(27). С. 5–14.
Савченко А. С. Экспериментальное исследование свойств суммарных потоков в вычислительных сетях. Наукові записки Українського науково-дослідного інституту зв’язку: зб. наук. праць. 2010. Вип.4(16). С.101–107.
Дронюк І. М., Федевич О. Ю. Аналіз трафіку комп’ютерної мережі на основі експериментальних даних середовища wireshark. Вісник Національного університету «Львівська політехніка». Інформаційні системи та мережі. 2015. № 814.
Ivanna Droniuk, Maria Nazarkevych, Olga Fedevych Asymptotic method of traffic simulation. Communications in Computer and Information Science. Springler. 2014, Vol. 279. P. 1–9.
Головешко М. В., Северілов А. В., Лебеденко Т. М. Результати експериментального дослідження методу активного управління чергами на інтерфейсах телекомунікаційних мереж Харківський національний університет радіоелектроніки. Проблеми телекомунікацій. 2019. № 2 (25). С. 37–55.
Радівілова Т. А. Метод безпечної маршрутизації мультифрактального трафіка. Проблеми телекомунікацій. № 1 (24). 2019. С. 24–33.
Тихонов В. И., Хименко В. И. Выбросы траекторий случайных процессов М.: Наука. 1987. 304 с.
Стратонович Р. Л. Условные марковские процессы и их применение к теории оптимального управления. М.: МГУ, 1966. 319 с.
Ruey S. Tsay Analysis of Financial Time Series. 3rd ed. John Wiley & Sons, Inc., Hoboken, New Jersey, 2010. 677 pp.
Кендэл М. Временные ряды. М.: Финансы и статистика, 1981. 199 с.
Андерсон Т. Статистический анализ временных рядов. Пер. с англ. М.: Мир, 1976. 755 с.
Додонов А. Г., Ландэ Д. В. Живучесть инфор-мационных систем. К.: Наук. думка, 2011. 256 с.
Дружинин В. В., Конторов Д. С., Конто¬
ров М. Д. Введение в теорию конфликта. М.: Радио и связь, 1989. 288 с.
Попович Б. М. Прогнозування нелінійних нестаціонарних процесів в економіці та фінансах. System Research & Information Technologies. 2017. № 4. С. 38–53.
David W. Hosmer. Jr. Stanley Lemeshow. Applied logistic regression. Hoboken: John Wiley & Sons Ltd., 2008. 396 p.
Бейкер Дж. П., Грейвс-Моррис Аппроксимации Паде. М.: Мир, 1986. 502 с.
Свешников А. Г., Тихонов А. Н. Теория
функций комплексной переменной. М.: Наука, 1967. 304 с.
Савченко А. С. Метод принудительного ввода системы управления в области устойчивости. Наукові записки Українського науково-дослідного інституту зв’язку: зб. наук. праць. К.: УНДІЗ, 2012. Вип.2(22). С. 100–105.
Виноградов Н. А., Яковлев В. Н., Воскре¬сенский В. В. и др. Справочник по устройствам цифровой обработки информации: под ред. В. Н. Яковлева. К.: Техника, 1988. 415 с.
