Applying machine learning and deep learning models for application server workload prediction
Uygulama sunucusu iş yükü tahmini için makine öğrenme ve derin öğrenme modellerinin uygulanması
- Tez No: 872602
- Danışmanlar: DR. ÖĞR. ÜYESİ ECE GELAL SOYAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Telekomünikasyon sistemleri, uyarlanabilir ceşitli araçlar aracılığıyla bilginin; ses , veri ya da vidyo seklindeki paylaşım ihtiyacından doğmuştur. Bu amacı gerçekleştirmek için kullanılan sistemlerden birisi de Application Server'dır. Application Server standartlaştırılmış RFC (Re-quest for Comments) düzenlemelerine bağlı kalarak İnternet Üzerinden Ses Protokolü (VoIP) sunucusu olarak işlev görür. Application Server, telekom hizmet satıcıları tarafından kullanıcılarına Session Initiation Protocol (SIP) odaklı ses ve multimedya hizmetleri sunmak için kullanılan temel bir bileşen olarak hizmet eder. Telekomünikasyon alanında tutarlı ve kaliteli hizmet sunumunun sürdürülmesi, son kullanıcıların ihtiyaç ve beklentilerinin karşılanması açısından çok önemlidir. Servis sağlayıcı fırmaların yetersiz bilgilerinden kaynaklı hatalı kullanımıları, yazılım ve donanım sorunları veya uyumsuzluk problemlerinden dolayı Application Server (AS) üzerindeki iletişimde kesintilerle karşılaşıldı. Bu sorunların oluşma olasılığını öngörmek ve mümkünse mühendisleri sorun oluşmadan önce gerekli önlemleri alma-ları konusunda bilgilendirmek amacıyla ARIMA, SARIMAX, Prophet ve LSTM olan ML ve AI algoritmalarını uygulayarak zaman serisi tahmin modellerini bu tezde geliştirdik. Modeller, AS'nin iş yüküne ilişkin doğru ve uygun tahminler elde etmek amacıyla şirketin laboratuvar ortamındaki Application Server (AS)'lardan elde edilen veri setleri kullanılarak eğitildi. Bu çalışma, özellikle kesinti durumlarında, iş yükü parametrelerini ve aralarındaki ilişkileri inceleyerek Uygulama Sunucusunun davranışını anlamaya yönelik bilgilerin sağlanması amaçlandı.
Özet (Çeviri)
In the realm of telecommunications, maintaining a consistent and high-quality service delivery is paramount to meeting the needs and expectations of end users. The Appli-cation Server functions as a Voice over Internet Protocol (VoIP) server adhering to standardized RFC (Request for Comments) regulations. It serves as a fundamental component utilized by telecom service vendors to deliver Session Initiation Protocol (SIP)-oriented voice and multimedia services to their users. The primary function of the Application Server is to receive a call from the caller, route it to the callee, and handle all other VOIP services. Overload incidents may occur due to vendor misuse stemming from insufficient information, software and hardware issues, or compatibil-ity problems. To avoid or decrease the effects of overload, interruptions in communi-cation on the Application Server (AS) were encountered that didn't meet with the expectation of end users. To foresee the possibility of these problems occurring and, if possible, to inform engineers to take the necessary precautions before the problem occurs, we developed time series forecasting models by applying ML and AI algo-rithms which are ARIMA, SARIMAX, Prophet and LSTM, in this thesis. The mod-els were trained using datasets obtained from the Application Server (AS) within the company's laboratory environment to get accurate and suitable predictions for work-load of AS. This study aimed to provide insights into comprehending the behaviour of the Application Server by examining its workload indices and their interrelations, especially during outage situations.
Benzer Tezler
- Unveiling the wireless network limitations in federated learning
Kablosuz internet ağlarındaki kısıtların federe öğrenmeye olan etkilerinin ortaya çıkarılması
MÜMTAZ CEM ERİŞ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
DOÇ. DR. BURAK KANTARCI
- Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi
Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks
BERFİN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Yetenek yönetimi süreçlerinin yaygınlaştırılmasında bütünleşik mobil uygulamalarının etkisi
The impact of integrated mobile applications on the dissemination of talent management processes
AHMET ANIL KOÇAK
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. UFUK CEBECİ
- Lazer kesim makineleri için özel şekilli boru ve profillerin görüntü işleme ile sınıflandırılması
Classification of shaped tubes and profiles for laser cutting machines
AHMET MUHAMMED YAHŞİ
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CELALETTİN YÜCE