Abstract
<jats:p>Актуальність дослідження зумовлена стрімким зростанням обсягів трафіку, різнорідністю сервісів і підвищеними вимогами до затримки, надійності та якості обслуговування в телекомунікаційних мережах п’ятого покоління (далі – 5G). У таких умовах традиційні реактивні підходи до управління мережними ресурсами виявляються недостатньо ефективними, що актуалізує використання технологій великих даних (далі – Big Data) як інструменту проактивного прогнозування навантаження та підвищення стійкості функціювання мережної інфраструктури. Мета статті полягає в науковому обґрунтуванні та розробленні підходів до прогнозування навантаження в телекомунікаційних мережах 5G із застосуванням технологій Big Data з метою підвищення ефективності управління мережними ресурсами й забезпечення стабільної якості обслуговування. Методи дослідження базуються на системному аналізі сучасних підходів до прогнозування мережного навантаження, узагальненні методів обробки великих масивів гетерогенних мережних даних, а також на чисельному експерименті з використанням часових рядів навантаження осередків мережі. Застосовано порівняльний аналіз реактивного й прогнозно орієнтованого управління ресурсами на основі інтелектуальних моделей. Результати дослідження свідчать, що навантаження в мережах 5G має нелінійний просторово-часовий характер, який доцільно враховувати шляхом використання підходів Big Data. Установлено, що інтеграція прогнозних моделей у контури управління ресурсами дозволяє зменшити частоту перевантажень, підвищити середній рівень використання ресурсів і скоротити кількість коригувальних управлінських дій. Доведено, що навіть відносно прості інтелектуальні моделі, навчені на історичних даних, забезпечують кількісно вимірюваний позитивний ефект у практичних сценаріях експлуатації мереж. Висновки полягають у тому, що застосування технологій Big Data є доцільною й ефективною основою для прогнозування навантаження та проактивного управління ресурсами телекомунікаційних мереж 5G. Виявлено ключові проблеми прогнозування, пов’язані з якістю та гетерогенністю даних, масштабованістю моделей, затримками обробки й обмеженою інтерпретованістю результатів. Перспективи подальших досліджень пов’язані з розвитком гібридних прогнозних моделей, удосконаленням просторово-часового аналізу навантаження, підвищенням інтерпретованості результатів прогнозування й інтеграцією таких підходів із концепцією цифрових двійників телекомунікаційних мереж.</jats:p>