Forecasting techniques for information and communication systems: application to mobile cellular networks

Abstract

The rapid proliferation of information and communication technologies around the world has increased the need for careful planning of infrastructures. This is true in the situation like mobile telecommunication networks, data centers, web servers, etc. By developing and implementing intelligent solutions to improve the measurement and planning, telecommunication service operators can anticipate problems and minimize cost. This dissertation focuses on forecasting mobile telecommunication capacity networks to maximize existing resources and avoid problems related to performance or capacity, such as bottlenecks and latencies. In the case of mobile telecommunication networks, the data forecast can be used to predict traffic growth, contributing to better network planning. Therefore, a poorly designed forecast may lead to mobile network operators not being prepared for possible network problems, such as reaching the limit of an RNC, which may become expensive in terms of OPEX. Thus, it is fundamental to study different quantitative methods to forecast the trend and the volume of traffic in the RNCs. This paper analyzes some basic forecast methods used in scenarios where the data do not present behavioral complexity and some models such as ARIMA and Holt Winters used in data with behavioral complexity (presence of trend and seasonality). It also evaluates the accuracy of the forecasts determined from the application of these models.

A rápida proliferação de tecnologias de informação e comunicação em todo o mundo aumentou a necessidade de um planeamento cuidadoso das infraestruturas. Este facto também é verdade em redes de telecomunicações móveis, data centers, servidores web, etc. Ao desenvolver e implementar soluções inteligentes para melhorar o dimensionamento e planeamento, os operadores de serviços de telecomunicações podem antecipar problemas e minimizar custos. Esta dissertação foca-se na previsão de capacidade de redes de telecomunicações móveis de forma a maximizar recursos existentes e evitar problemas relacionados ao desempenho ou capacidade, como “bottlenecks” e latências. No caso das redes de telecomunicações móveis, a previsão de dados pode ser aplicada para prever o crescimento de tráfego, contribuindo para um melhor planeamento da rede. Portanto, uma previsão mal projetada pode levar os operadores de redes móveis a não estarem preparados para possíveis problemas de rede, como alcance do limite de capacidade de um RNC, isto pode se tornar muito caro em termos de OPEX. Assim, é fundamental estudar diferentes métodos quantitativos para prever a tendência e o volume de tráfego nos RNCs. Neste trabalho são analisados alguns métodos básicos de previsão utilizados em cenários em que os dados não apresentam complexidade comportamental e alguns modelos como ARIMA e Holt Winters utilizados em dados com complexidade comportamental (presença de tendência e sazonalidade). Também se avalia a exatidão das previsões que resultam da aplicação destes modelos.