
Sé el primero en recomendar esto
LinkedIn emplea cookies para mejorar la funcionalidad y el rendimiento de nuestro sitio web, así como para ofrecer publicidad relevante. Si continúas navegando por ese sitio web, aceptas el uso de cookies. Consulta nuestras Condiciones de uso y nuestra Política de privacidad para más información.
LinkedIn emplea cookies para mejorar la funcionalidad y el rendimiento de nuestro sitio web, así como para ofrecer publicidad relevante. Si continúas navegando por ese sitio web, aceptas el uso de cookies. Consulta nuestra Política de privacidad y nuestras Condiciones de uso para más información.
Publicado el
Accurate traffic volume prediction in Universal Mobile Telecommunication System (UMTS) networks has
become increasingly important because of its vital role in determining the Quality of Service (QoS)
received by subscribers on these networks. This paper developed a shortterm traffic volume prediction
model using the Kalman filter algorithm. The model was implemented in MATLAB and validated using
traffic volume dataset collected from a real telecommunication network using graphical and r2 (coefficient
of determination) approaches. The results indicate that the model performs very well as the predicted
traffic volumes compare very closely with the observed traffic volumes on the graphs. The r2 approach
resulted in r2 values in the range of 0.87 to 0.99 indicating 87% to 99% accuracy which compare very well
with the observed traffic volumes.
Sé el primero en recomendar esto
Parece que ya has recortado esta diapositiva en .
Inicia sesión para ver los comentarios