Муҳити моделсозӣ 1000 × 1000 m, панҷ истгоҳи базавӣ ва як корбари ҳаракаткунанда дорад. Суръат 3–60 km/h буда, random waypoint истифода мешавад. Канал аз log-distance path loss, log-normal shadowing ва Rayleigh fading иборат аст.

Handover аз 76.89 то 34.10 ва ping-pong аз 41.16 то 17.56 кам шудааст. Packet loss аз 0.2648 то 0.2486 поён рафта, effective throughput аз 0.8486 то 0.9022 афзудааст.

Механизми SVM

RBF kernel истифода мешавад. Параметрҳои C ва kernel бо grid search ва k-fold cross-validation интихоб шуда, ҳамаи хусусиятҳо пеш аз омӯзиш нормализатсия шудаанд. 70% маълумот барои омӯзиш ва 30% барои санҷиш аст.

Қиматҳои ниҳоии гиперпараметрҳо ва андозаи пурраи dataset нашр нашудаанд.

Модели шабака

Аҳамияти эҳтимолӣ барои Тоҷикистон

Натиҷаҳо дар шабакаи воқеии мобилии Тоҷикистон санҷида нашудаанд. Аммо барои таҳқиқи handover дар шаҳрҳо, роҳҳои байнишаҳрӣ ва шароити ҳаракат дар минтақаҳои дорои релефи мураккаб як намунаи омӯзишии муфид пешниҳод мекунанд. Татбиқи воқеӣ маълумоти радиошабакаи маҳаллиро талаб мекунад.

Маҳдудиятҳо

Танҳо як корбар ва панҷ истгоҳи базавӣ модел шудаанд. Арзишҳои дақиқи баъзе параметрҳои канал, SVM ва шумораи такрорҳои Monte Carlo дода нашудаанд.

Усул ва Натиҷаҳои Таҳқиқот

SVM шумораи handover-ро 55.7% ва ping-pong-ро 57.3% кам кардааст. Packet loss 6.1% нисбӣ кам ва effective throughput 6.3% зиёд шудааст.

Муаллифон барои оянда multi-user, online learning ва deep reinforcement learning-ро пешниҳод мекунанд.

Ёддошт оид ба Манбаъ ва Усул

Муаллифон: Andicho Haryus Wirasapta; Tiara Deta Pamungkas

Маҷалла: Jurnal LITEK

Ҷилд/шумора: 23(1), 30–37

Нашр: 1 марти 2026

DOI: 10.30811/litek.v23i1.104

Ин натиҷаҳо аз MATLAB/Simulink simulation гирифта шудаанд, на аз санҷиши саҳроии шабакаи воқеӣ. Қиматҳои дар манбаъ набуда илова нашудаанд.

Метатегҳо

handover интеллектуалӣ, Support Vector Machine, MATLAB Simulink, шабакаи мобилӣ, SVM handover