Analysis and Forecasting of Parameters for p-Order Autoregressive Process

При решении задач расчета показателей производительности и надежности инфокоммуникационных систем классическими методами делают ряд допущений, например, об экспоненциальном распределении исходных переменных, что не всегда соответствует реальной сетевой ситуации. Кроме того, исходные переменные являются случайными величинами, сбор и обработка которых осуществляются системой мониторинга. Для получения как можно более точных результатов расчета показателей необходимо проводить большое число измерений случайных величин. В этом смысле известные формулы теории телетрафика обладают некоторой неточностью. Один из эффективных путей решения данной проблемы – применение методов регрессионного анализа. Целью статьи является решение задач прогнозирования тренда данных для расчета параметров инфокоммуникационных систем.Статья направлена на идентификацию авторегрессионного процесса для прогнозирования параметров инфокоммуникационных систем. Применение классического метода регрессионного анализа, такого как МНК-оценка параметров модели ряда, имеет некоторые ограничения. В статье предлагается альтернативный подход к решению обозначенной проблемы через теорию фильтрации сигналов.Наряду с классическим оцениванием методом наименьших квадратов одной из возможностей является решение эмпирических уравнений Юла – Уокера. В статье приводится методика решения по алгоритму Левинсона – Дурбина. Помимо теоретических выкладок разработана программа, позволяющая автоматизировать процесс вычислений.В зависимости от количества наблюдений выбирается критерий, минимизация которого приводит к выбору истинного порядка модели. Оценка осуществляется с использованием программных средств, а именно программы математического моделирования Matlab. В связи с этим в статье рассматривается не только возможность выбора критерия с теоретической точки зрения, но и его практическая реализация. Также приведены условия использования и показана наиболее эффективная методика выбора критерия в зависимости от количества наблюдений.