QBSD: Quartile-Based Seasonality Decomposition for Cost-Effective Time Series Forecasting

要約

通信分野では、セルの重要業績評価指標 (KPI) などの時系列パターンの正確な予測が、サービスの品質と運用効率を向上させる上で極めて重要な役割を果たします。
最先端の予測アプローチは、計算パフォーマンスを犠牲にして予測精度を優先するため、多数の時系列変数を含むシステムを含むデータ集約型アプリケーションにはあまり適していません。
この問題に対処するために、精度と計算の複雑さの間のトレードオフを最適化するように調整されたライブ予測アプローチである QBSD を導入します。
私たちは、公開されているデータセットに対する最先端の予測アプローチに対して QBSD のパフォーマンスを評価しました。
また、時間とともに変化する動的な動作範囲の影響を示すために、この調査を現在一般公開されている厳選されたネットワーク KPI データセットにも拡張しました。
結果は、提案された方法が、競合する予測精度を維持しながら、利用可能な主要なアルゴリズムと比較して実行時効率に優れていることを示しています。

要約(オリジナル)

In the telecom domain, precise forecasting of time series patterns, such as cell key performance indicators (KPIs), plays a pivotal role in enhancing service quality and operational efficiency. State-of-the-art forecasting approaches prioritize forecasting accuracy at the expense of computational performance, rendering them less suitable for data-intensive applications encompassing systems with a multitude of time series variables. To address this issue, we introduce QBSD, a live forecasting approach tailored to optimize the trade-off between accuracy and computational complexity. We have evaluated the performance of QBSD against state-of-the-art forecasting approaches on publicly available datasets. We have also extended this investigation to our curated network KPI dataset, now publicly accessible, to showcase the effect of dynamic operating ranges that varies with time. The results demonstrate that the proposed method excels in runtime efficiency compared to the leading algorithms available while maintaining competitive forecast accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google