Оптимізація існуючих мобільних мереж за допомогою штучного інтелекту до рівня 5G
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Метою роботи є розробка та експериментальна перевірка платформи для оптимізації параметрів базових станцій мобільних 4G/5G мереж із застосуванням методів штучного інтелекту. Запропоновано комплекс алгоритмів: LSTM модель для прогнозування трафіку, Q learning для локального адаптивного розподілу радіоресурсів та мультиагентну систему з централізованим контролером для координації дій агентів. Реалізовано веб додаток на базі Flask + SocketIO із фронтендом на Bootstrap, Leaflet.js і Chart.js для інтерактивного моніторингу та управління мережею. Використані методи: часові ряди й рекурентні нейромережі (LSTM) для прогнозу навантаження; табличний Q learning із ε жадібною політикою та глибинні нейромережі для апроксимації Q функції; мультиагентна координація через WebSocket; ORM SQLAlchemy для зберігання моделей і результатів у SQLite; веб технології для інтерактивної візуалізації. Експериментальні результати показали, що LSTM модель досягає MAPE ≈ 6 % для годинних інтервалів трафіку; Q learning підвищує середню винагороду агента з 0,55 до 0,88 (+60 %) та знижує середнє відхилення потужності від навантаження на 18 %; мультиагентна координація забезпечує 100 % станцій у “optimized” статусі та підвищення глобальної пропускної здатності на 12 %. Вартість енергії мережі зменшена на 8 %. Рекомендації: інтегрувати рішення в SON/ Open RAN середовища; впровадити Deep Q Network для підвищення стійкості в складних умовах; перейти на PostgreSQL для забезпечення продуктивності в промислових масштабах; організувати MLOps процеси для безперервного навчання моделей.
Опис
Ключові слова
4G, 5G NR, LSTM, Q‑learning, мультиагентна система, Flask, SocketIO, прогнозування трафіку, адаптивне управління, автономна оптимізація, мобільні мережі, інтерактивна візуалізація, self‑organizing networks, network slicing, multi‑agent system, traffic forecasting, adaptive control, autonomous optimization, mobile networks, interactive visualization
Бібліографічний опис
Хубашвілі, Б. Б. Оптимізація існуючих мобільних мереж за допомогою штучного інтелекту до рівня 5G : дипломна робота ... бакалавра : 172 Телекомунікації та радіотехніка / Хубашвілі Богдан Багратович. – Київ, 2025. – 71 с.