Development of New Models Using Machine Learning Methods Combined with Different Time Lags for Network Traffic Forecasting

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği, Türkiye

Tezin Onay Tarihi: 2016

Tezin Dili: İngilizce

Öğrenci: Derman Akgöl

Asıl Danışman (Eş Danışmanlı Tezler İçin): MEHMET FATİH AKAY

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezin amacı İletim Kontrol Protokolü/İnternet Protokolü (TCP/IP) tabanlı ağlardaki İnternet trafik miktarını Destek Vektör Makineleri (SVM), Radyal Tabanlı Fonksiyon Sinir Ağları (RBF), M5P (ağlardaki lineer fonksiyonlu karar ağacı), Rasgele Orman (RF), Rasgele Ağaç (RT), ve İndirgenmiş Hata Budama Ağacını (REP Tree) içeren makine öğrenme yöntemlerini ve Çoklu Lineer Regresyon (MLR) ve Holt-Winters'ı içeren istatiksel regresyon yöntemlerini kullanarak tahmin etmek ve istatiksel ve makine öğrenme yöntemlerinin performanslarını kıyaslamaktır. İnternet trafik tahmin modelleri üretilirken iki farklı İnternet Servis Sağlayıcısından (ISPs) sağlanılan İnternet trafiği verileri kullanılmıştır. Veri setinin ilk %66'sı eğitim kümesi olarak uygulanırken geri kalanı test kümesi olarak kullanılmıştır. Modellerin performansı Ortalama Mutlak Yüzde Hata (MAPE) değeri hesaplanarak değerlendirilmiştir. Sonuçlar, genel olarak SVM tabanlı ve M5P tabanlı modellerin diğer yöntemlerden daha iyi performans elde ettiğini göstermektedir.