Разработка моделей функционирования и методики формирования интеллектуальной системы поддержки принятия решений по управлению сетью передачи данных Сахарова Мария Александровна

Содержание к диссертации

Введение

1. Анализ сетей передачи данных и современных систем управления сетью передачи данных 13

1.1. Сеть передачи данных как объект управления 13

1.2. Анализ состояния сетей передачи данных на железнодорожном транспорте и направления ее развития 20

1.3. Анализ современных систем управления сетью передачи данных 28

1.4. Концептуальная модель системы управления сетью передачи данных 32

1.5. Постановка задачи научного исследования 35

1.6. Выводы по разделу 1 41

2. Нейросетевые модели обработки диагностических данных для оценки состояния и определения причин возникновения неисправностей в сетипередачи данных 43

2.1. Анализ и обоснование моделей и методов оценки состояния и обнаружения неисправностей в сети передачи данных 43

2.2. Разработка комплекса нейросетевых моделей для решения задач технического диагностирования сетей передачи данных

2.2.1. Нейросетевая модель для решения задач технического диагностирования сети передачи данных малого и среднего масштаба 54

2.2.2. Нейросетевая модель для решения задач технического диагностирования сети передачи данных крупного масштаба 62

2.3. Выводы по разделу 2 75

3. Математические модели процессов функционирования системы управления сетью передачи данных, построенной с применением комплекса нейросетевых моделей

3.1. Анализ различных подходов к математическому моделированию процессов функционирования системы управления сетью передачи данных 78

3.2. Математические модели процесса функционирования системы управления сетью передачи данных при периодических запросах от системы управления на оценку технического состояния сетей передачи данных 82

3.3. Математическая модель процесса функционирования системы управления сетью передачи данных при обращении пользователей сети в службу поддержки в связи с изменением перечня предоставляемых услуг или при снижении показателей качества обслуживания 86

3.4. Математическая модель процесса функционирования системы управления сетью передачи данных при поступлении в систему управления сообщения о выходе из строя одного или нескольких элементов сети передачи данных 88

3.5. Математическая модель функционирования системы управления сетью передачи данных при модернизации сети передачи данных 90

3.6. Выводы по разделу 3 92

4. Методика формирования интеллектуальной системы поддержки принятия решений 95

4.1. Методика формирования плана восстановления сети передачи данных в интеллектуальной системе поддержки принятия решений 96

4.2. Методика формирования интеллектуальной системы поддержки принятия решений системы управления сетью передачи данных 109

4.3. Оценка качества функционирования системы управления сетью передачи данных 116

4.4. Научно-технические предложения по формированию элементов системы управления сетью передачи данных 121

4.5. Выводы по разделу 4 130

Заключение 132

Список литературы 134

• Анализ состояния сетей передачи данных на железнодорожном транспорте и направления ее развития
• Концептуальная модель системы управления сетью передачи данных
• Нейросетевая модель для решения задач технического диагностирования сети передачи данных малого и среднего масштаба
• Математическая модель процесса функционирования системы управления сетью передачи данных при обращении пользователей сети в службу поддержки в связи с изменением перечня предоставляемых услуг или при снижении показателей качества обслуживания

Введение к работе

Актуальность темы исследования.

Эффективность организации железнодорожных перевозок зависит от степени проникновения средств автоматизации во все структурные подразделения и процессы на железнодорожном транспорте. Физической основой функционирования автоматизированных систем управления территориально-распределенных объектов управления являются сети передачи данных (СПД), которые функционируют в интересах информационно-управляющих систем (ИУС). Данные ИУС предъявляют высокие требования к качеству предоставления услуг СПД, в том числе по времени задержки доставки информации как составляющей общего времени цикла управления.

Для эффективного управления СПД, которая является большой и сложной технической системой, администратору необходимо знать и контролировать большое количество разнородного оборудования СПД, своевременно обрабатывать значительный объем поступающей диагностической информации в условиях плохо формализованных и слабо структурированных задач при отсутствии полной и достоверной информации о состоянии элементов СПД, а также при ограниченном времени на анализ ситуаций и принятие решения.

С целью обеспечения требуемой устойчивости функционирования СПД и предоставления пользователям услуг заданного качества требуется разработка дополнительных элементов системы управления (СУ) СПД, в которых будут реализованы принципы поддержки принятия решений при решении задач своевременного обнаружения неисправностей и выявление причин их появления, управления конфигурацией, формирования плана восстановления СПД.

Таким образом, следует считать актуальной разработку моделей функционирования и методики формирования интеллектуальной системы поддержки принятия решений (ИСППР) с учтом требований своевременности и обоснованности принимаемых решений по управлению СПД как элемента ИУС на железнодорожном транспорте.

Степень разработанности темы. Вопросам формирования интеллектуальных систем поддержки принятия решений посвящены работы Г.В. Рыбиной, Н.В. Васильева, В.А. Рыжкова, В.П. Евменовым И.А. Башмако-ва, Д.А. Поспелова. Основы построения систем управления сетями связи рассмотрены А.В. Боговиком, Н.Д. Егуповым, Е.П. Поповым, И.Г. Котен-ко, А.Ю. Гребешковым. Рассмотрение процессов функционирования СПД, а также теоретические и прикладные разработки в области построения СПД представлены в трудах Т.И. Алиева, Б.С. Гольдштейна, А.Б. Шамша-ева, С. Бигелоу, Г.Ф. Кохановича.

Цели и задачи. Целью исследования является обеспечение оперативного и обоснованного формирования решений по управлению сетью передачи данных в связи с необходимостью обеспечения устойчивого функционирования сети передачи данных.

Для достижения поставленной цели решены следующие задачи:

1. Проведен анализ существующих СПД на железнодорожном транспорте;

2. Сформировано множество параметров, характеризующих как отдельные элементы, так и СПД в целом, а также параметры качества обслуживания;

3. Проведен анализ основных задач и функций СУ СПД, на основе которых разработана концептуальная модель системы управления СПД;

4. Разработана структура ИСППР с учетом вычислительных ресурсов СУ СПД;

5. Разработан комплекс нейросетевых (НС) моделей для ИСППР в СУ СПД, обеспечивающий обработку диагностических данных элементов СПД, сетевых параметров и параметров качества обслуживания (QoS), а также формирование гипотез о причинах возникновения неисправностей в СПД;

6. С учетом условий и особенностей функционирования СПД разработан комплекс математических моделей функционирования СУ СПД с ИСППР, отличающихся от известных учетом процессов технического диагностирования, принятия решения на восстановление СПД и выбора плана восстановления;

7. Разработана методика формирования плана восстановления в ИСППР по устранению неисправностей в СПД;

8. Разработана методика формирования ИСППР в СУ СПД с учетом сетевых параметров и параметров QoS.

Объектом исследования является интеллектуальная система поддержки принятия решений в составе системы управления СПД.

Предметом исследования являются модели функционирования и методика формирования интеллектуальной системы поддержки принятия решений в системе управления СПД.

Научная задача: разработка методики формирования интеллектуальной системы поддержки принятия решений в системе управления сетью передачи данных, функционирующей в условиях ограниченности вычислительных и временных ресурсов на принятие решений.

Научная новизна диссертационной работы заключается в следующем:

1. На основании проведенного анализа существующих СПД как телекоммуникационной сети (ТКС) высокой степени сложности на железнодорожном транспорте сформулирован перечень требований к СПД и ее элементам в их структурной и функциональной взаимосвязи;

2. Представлено множество элементов СПД, классифицированных по группам, с выделением множества диагностических параметров для каждого элемента;

3. Проведен анализ основных задач и функций СУ СПД и сформулированы основные требования к ней, сформирована концептуальная модель системы управления СПД с указанием роли и места ИСППР;

4. Разработана структура ИСППР, представленная в виде совокупности взаимосвязанных подсистем, с учетом вычислительных ресурсов СУ СПД;

5. Разработан комплекс НС моделей для ИСППР, обеспечивающий обработку диагностических данных элементов СПД, определение технического состояния СПД и формирование гипотез о причинах возникновения неисправностей в СПД;

6. Разработаны математические модели функционирования ИСППР в системе управления СПД, отличающиеся от известных учетом процессов технического диагностирования, принятия решения на восстановление СПД и выбора плана восстановления, что позволяет снять ряд существующих ранее ограничений и получить ВВХ функционирования системы управления СПД;

7. Разработана методика формирования решений в ИСППР СУ СПД по устранению неисправностей в СПД, основанная на вычислительной модели вывода по прецедентам, которая позволила обеспечить оперативность и адекватность выработки решения;

8. Разработана методика формирования ИСППР СУ СПД, отличающаяся от известных учетом сетевых параметров и параметров качества обслуживания QoS и включающая процессы формирования вариантов решений по управлению СПД и процессы формирования обоснованного выбора плана восстановления СПД на множестве альтернативных решений, поддерживающего систему предпочтений лица, принимающего решение (ЛПР).

Теоретическая значимость работы состоит в расширении методической базы по формированию и проектированию ИСППР в структуре СУ СПД с учтом требований к своевременности и обоснованности принимаемых решений. В качестве теоретической базы в диссертации сформирована концептуальная модель системы управления СПД с указанием роли и места ИСППР.

Практическая ценность результатов диссертационной работы.

Практическая значимость диссертации определяется применимостью ее результатов в существующих и перспективных комплексах систем технического диагностирования состояния СПД малого и среднего масштаба на основе НС моделей, реализованных в программе MatLab, для СПД большого масштаба, которые реализованы в прикладном пакете программ Statistica; в существующих и перспективных комплексах СУ СПД.

Практическая значимость разработанных математических моделей функционирования ИСППР заключается в возможности формирования требований к системе управления СПД по значениям ВВХ функционирования отдельных подпроцессов на этапе проектирования системы управления СПД при различных условиях ее функционирования.

Практическая значимость методики формирования ИСППР в СУ СПД заключается в оценке длительности цикла управления до полного устранения неисправности в СПД или до выполнения поставленных задач.

Методология и методы исследования. В работе использованы как теоретические, так и экспериментальные методы исследования.

Теоретические методы исследования основаны на фундаментальных положениях теории систем, теории вероятностей, теории принятия решений, теории построения интеллектуальных систем, теории сетей и графов, теории наджности, теории распознавания образов.

Экспериментальные методы исследования включают: метод математической статистики, метод обнаружения сигнатур, метод топологического преобразования стохастических сетей (ТПСС), а также нейронные сети.

Основные положения, выносимые на защиту:

1. Комплекс нейросетевых моделей, позволяющих решать задачи технического диагностирования СПД различного масштаба в условиях большого объема измерений по множеству диагностических параметров элементов СПД, сетевых параметров и параметров QoS и ограниченности временных ресурсов.

2. Математические модели функционирования интеллектуальной системы поддержки принятия решений системы управления СПД, отличающиеся от известных учетом процессов технического диагностирования и позволяющие получить вероятностно-временные характеристики функционирования системы управления СПД.

3. Методика формирования интеллектуальной системы поддержки
принятия решений в системе управления СПД, отличающаяся от извест
ных учетом требований к качеству обслуживания при выработке решений
и включающая блок подготовки вариантов решений по управлению СПД и
блок формирования обоснованного плана мероприятий по восстановлению
СПД.

Личный вклад. Все результаты, излагаемые в диссертационной работе, получены автором самостоятельно.

Реализация и внедрение работы. Результаты диссертационной работы, включая все модели, методики и научно-технические предложения, используются на ряде предприятий: «ГТСС» филиал ОАО «Росжелдорпро-ект», ОАО «Супертел», ООО «МИКС» и в учебном процессе ФГБОУ ВПО ПГУПС.

Степень достоверности. Обоснованность и достоверность полученных результатов в диссертации обеспечивается системностью подхода к

построению концептуальной модели СУ СПД на основе современных стандартов и регламентирующих документов. Формирование ИСППР проводилось с применением фундаментальных достижений в области СУ сетями связи как объектом, относящимся к сложным техническим системам электросвязи.

Обоснованность и достоверность полученных результатов в диссертации подтверждается их непротиворечивостью практике функционирования СПД и строгой аргументацией полученных теоретических результатов при применении математического аппарата топологического преобразования стохастических сетей (ТПСС), используемого при описании процессов функционирования СУ СПД, обоснованным выбором исходных данных, корректностью вводимых ограничений и допущений, адекватностью применения НС моделей при решении задач технического диагностирования СПД различного масштаба.

Подтверждение достижения цели диссертационной работы выполнено по критериям своевременности и обоснованности формирования решений по управлению СПД.

Достоверность полученных результатов подтверждается положительными отзывами и одобрением, полученными при апробации новых научных результатов на научно-технических и научно-практических конференциях и семинарах.

Апробация работы. Основные результаты и положения диссертационной работы обсуждались на научных конференциях и семинарах: международный конгресс, научно-практическая конференция «Геополитические факторы устойчивого развития Арктики и инновационные технологии прогнозирования и предотвращения чрезвычайных ситуаций», Санкт-Петербург, 2012, 2013; научно-техническая конференция, посвященная Дню радио Секция «Телекоммуникации на железнодорожном транспорте», Санкт-Петербург, 2012 (3 доклада), 2013 (2 доклада), 2014 (2 доклада), 2015 (2 доклада); вторая международная научно-практическая конференция «Интеллектуальные системы на транспорте» Санкт-Петербург, 2012; IV Международная научно-техническая и научно-методическая конференции «Актуальные проблемы инфотелекоммуникаций в науке и образовании» в 2015 (3 доклада); VIII международный симпозиум «ЭЛТРАНС– 2015» в 2015 году.

Публикации. Всего по теме диссертации опубликовано 23 печатных работы, в том числе четыре – в рецензируемых изданиях, включенных в перечень ВАК Министерства образования и науки РФ.

Объем и структура работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы из 143 наименований, 4 приложений, изложена на 161 страницах машинописного текста, содержит 22 таблицы и 93 рисунка.

Анализ состояния сетей передачи данных на железнодорожном транспорте и направления ее развития

Качество обслуживания представляет собой комплексную характеристику степени удовлетворения пользователя как от полученной услуги, так и от самой системы обслуживания [5,17,22,83,134,136].

Критерий качества обслуживания определяется набором показателей как предоставляемой телекоммуникационной услуги, которые представляют собой параметры качества услуги, так и используемых сетевых ресурсов или параметры NP сети.

Конкатенация параметров качества услуги и NP сети представляют параметры качества обслуживания [83,95,122,127,134,136].

В процессе обеспечения качества предоставления услуг в СПД предполагается разделение параметров качества обслуживания QoS на следующие группы [11,15,95,125]: сетевые параметры (NPСПД); параметры QoS для определения качества предоставления услуг (QoSСПД); независимые параметры QoS (СССПД). При этом используют разделение множество видов услуг на дифференцированные услуги (ориентированы на обслуживание пользователей с учетом конкретной структуры их требований относительно QoS) и «стандартные» услуги (предоставляются путем использования унифицированных механизмов, встроенных в оборудование СПД; ориентированы на широкую группу пользователей с приблизительно одинаковыми требованиями к QoS) [7,9,10,12,18,83].

Распределение параметров качества обслуживания QoS представлено в таблице 1.3 для транспортной сети на базе IP протокола и сети абонентского доступа. Основные требования к QoS для различных служб представлены в таблице 1.4 и соответствуют [5,3,21,22,23,26,27,28,95].

Сетевые характеристики и соответствующие им нормы c распределением по классам качества обслуживания представлены в таблице 1.5 [21,22,23]. Таблица 1.3 – Распределение параметров качества обслуживания Транспортная сеть на базе IP протокола Сеть абонентского доступа Сетевые параметры (NPСПД) IPLRmax - Показатели потерь IP-пакетов во время их транспортировки – вероятность потерь пакетов IPER - Показатели потерь IP-пакетов во время их транспортировки – количество пакетов с ошибками IPSLBRmax - Показатели потерь последовательностей IP-пакетов во время их транспортировки – коэффициент потерь IP-пакетов IPLR - Показатели потерь IP-пакетов во время их транспортировки – вероятность потерь пакетов

IPERmax - Показатели некорректной транспортировки IP-пакетов – количество пакетов с ошибками Kг оборудования - Показатели эксплуатационной надежности сетевого оборудования – коэффициент готовности оборудования Kг min - Показатели эксплуатационной надежности сетевого оборудования – коэффициент готовности оборудования Среднее IPER - Показатели некорректной транспортировки IP-пакетов – количество пакетов с ошибками Среднее IPLR - Показатели потерь IP-пакетов во время их транспортировки – вероятность потерь пакетов Параметры QoS для определения качества предоставления услуг (QoSСПД) IPTDmax - Показатели задержки в передаче IP-пакетов – граница не превышения среднего значения величины задержек пакетов IPTD - Показатели задержки в передаче IP-пакетов – граница не превышения среднего значения величины задержек пакетов IPDVmax - Показатели вариации в задержке IP-пакетов – граница не превышения среднего значения вариации задержек пакетов IPDV - Показатели вариации в задержке IP-пакетов – граница не превышения среднего значения вариации задержек пакетов Pmax(IPTDmax) - Показатели задержки в передаче IP-пакетов – порог допустимой вероятности превышения значения IPTDmax Kд услуги - коэффициент доступности услуги PIPSAmin (PIA) - Показатели доступности сетевой услуги – нижняя граница допустимого процента времени доступности услуги распределение задержки между потоками трафика TIPUmax (TIU) - Показатели доступности сетевой услуги – верхняя граница допустимого времени недоступности услуги распределение девиации задержки между потоками трафика Независимые параметры QoS (СССПД) RPmax - Показатели удобства использования сетевой услуги – периодичность представления пользователю услуги отчетов о текущем состоянии обслуживания MTBF - Показатели эксплуатационной надежности сетевого оборудования – среднее время между отказами MTTR - Показатели эксплуатационной надежности сетевого оборудования – среднее время ремонта MTTRmax - Показатели эксплуатационной надежности сетевого оборудования – значение среднего времени восстановления работоспособности MTRS - Показатели эксплуатационной надежности сетевого оборудования – среднее время восстановления работоспособности

Концептуальная модель системы управления сетью передачи данных

В современных условиях с растущими требованиями к СУ СПД и ее постоянным развитием требуется разработка интеллектуальной системы поддержки принятия решений (ИСППР) по управлению СПД, которая будет выполнять функции планирования, оперативного управления, контроля и учета данных и удовлетворять требованиям к СУ СПД [101,121,129]. Однако, в настоящее время в нормативных документах не представлены требования в СУ СПД, но при формировании технического задания они могут быть сформированы. Таким образом, работа направлена на разработку моделей функционирования СУ СПД, связывающим свойства СУ и показатели ее эффективности.

К свойствам СУ СПД, которые могут характеризовать показатели эффективности СУ СПД, например своевременности и обоснованности, относятся: устойчивость, мобильность, безопасность, производительность, управляемость [101,121,129].

Производительность СУ СПД определяет е способность выполнять объм работ по решению задач оперативного управления в единицу времени. Объм решаемых задач СУ СПД зависит от количества элементов в СПД и интенсивности обнаружения отказов и неисправностей в СПД. Объм, выполняемой работы СУ СПД, определяется из соотношения [65,81]:

Оперативное управление представляется как управление с обратной связью и предполагает следующие этапы U={lf,lf,lf,lf}, где If сбор информации о состоянии объекта управления; If - анализ текущих характеристик СПД и ее элементов с целью выполнения технического диагностирования СПД; If - выработка решения и формирование плана восстановления; If - реализация решения (резервирование ресурсов СПД, реализация процесса восстановления требуемого состояния СПД).

К основным задачам, выполняемым в СППР, относятся: ввод, хранение и анализ данных, формирование набора альтернативных решений [47,118,121]. Выделяют три класса задач анализа данных: информационно-поисковый; оперативно-аналитический; интеллектуальный [47,121]. СППР, использующие средства интеллектуального анализа данных назовем интеллектуальными (ИСППР) [47,121].

Обобщенную архитектуру ИСППР в СУ СПД (рисунок 1.10) представим в виде совокупности основных структур А={БпфСУ, $НСм, $НСб, Sвр}, где SпфСУ - алгоритмическая структура процесса функционирования СУ СПД, ЗНСм и $НСб структуры нейросетевых (НС) моделей технического диагностирования СПД различного масштаба, Sвр - структура процесса выработки решений по управлению СПД. Также в архитектуре ИСППР может быть представлен графический интерфейс пользователя. Алгоритмическая структура процесса функционирования СУ СПД

SпфСУ={GСПД,{Ai..4,Bj},PСПД,RТКС,BСУ,Tцу,Рцу}, где GСПД={YСПД,LСПД} – топология СПД, YСПД – узлы связи, LСПД – линии связи; Ai..4 – совокупность состояний процесса функционирования и восстановления СПД, Bj – совокупность переходов между состояниями процесса функционирования и восстановления СПД; PСПД – стоимость оборудования СПД; RТКС – ресурсы СПД на базе ТКС; BСУ – база данных СУ СПД BСУ={DСПД,Q,MСПД}, где DСПД - диагностические данные СПД и ее элементов DСПД={Nкэ, DNi, HDN}, Nкэ={N1,N2,N3}, где N1 – класс линий передачи данных; N2 – класс систем передачи данных; N3 – класс узлов связи для передачи данных; DNi – набор диагностических параметров для каждого элемента соответствующего класса. Набор диагностических параметров DNi для каждого элемента соответствующего класса представлен на рисунках. HDN – нормативные значения диагностических параметров из DNi, MСПД – маршруты передачи данных; Q={NPСПД,QoSСПД,CCСПД} – совокупность показателей качества обслуживания пользователей, где NPСПД – сетевые параметры QoS, QoSСПД – параметры QoS для определения качества предоставления услуг, CCСПД – независимые параметры QoS, Tцу - время реализации цикла управления ,Рцу -вероятность реализации цикла управления за отведенное время жж Структуры нейросетевых (НС) моделей технического диагностирования СПД

1. SiНСм={xi,y1..4} – структура НС модели технического диагностирования СПД малого и среднего масштаба, где xi – входные сигналы, совокупность которых образует вектор x, исходные данные НС модели включают множество параметров X{DСПД,Q,G}, где G – множество гипотез о состоянии элементов СПД и сведения о частоте появления этих данных за определенный промежуток времени; y1..4 – выходной сигнал НС модели, отражающий категории текущего состояния СПД.

2. SjНСб={xj,y1..4} – структура НС модели технического диагностирования СПД крупного масштаба, где xj – входные сигналы, совокупность которых образует вектор x, исходные данные НС модели включают множество параметров X{DСПД}; y1..4 – выходной сигнал НС модели, отражающий категории текущего состояния СПД.

3 Структура процесса выработки решений по управлению СПД S Wp TicolRHiUlBa Ba Bcv, Успд}, где Мр = (BDp,MupMcp) - определение класса обобщенных моделей ПВ СПД, где B D p = (P DD , L) - база прецедентов, где PDD={ASi,BSi,U,T} - прецеденты различного уровня абстракции (Asi - сцены, Bsi -сценарии, Ь – управляющие элементы, Т - тематические элементы), L - связи между прецедентами)- = {Ц , Ср, Рр,Е У т ,У г А -прецедент, где Ц - цель восстановления, для реализации которой используется прецедент; Ср - описание предпосылки его применения, Рр - подпроцесс планирования, которую он может детализировать; Е - возможные расширения, которые определяются связываемыми прецедентами смежных уровней; Ут - ограничения, которые должны быть удовлетворены для каждого расширения; Уг - ограничения, которые генерируются при выборе расширения; D - вторичная информация индексирования, которая включает знания об отказах и запрещенных расширениях; Мир - модели вывода на отдельных уровнях процессов восстановления СПД, Мер - комплексные модели вывода процессов восстановления СПД. КТ{О)І} -множество альтернативных решений; RH{Ut} - совокупность многошаговых решений; Ваг - аргументация решений; Bal -формирование альтернативного ПВ СПД; Bcv - формирование средств восстановления СПД; Гспд - реализация ПВ СПД (восстановление СПД).

Нейросетевая модель для решения задач технического диагностирования сети передачи данных малого и среднего масштаба

Наиболее важными задачами для обеспечения устойчивого функционирования СПД, требующими оперативного принятия решения, являются задачи по обнаружению дефектов, повреждений, отказов [4] и неисправностей [14] в работе программных и аппаратных средств, а также выявлению причин их появления [52,84,127,131,135].

В связи с большим объемом поступающей информации в систему управления (СУ) сетью передачи данных (СПД) требуется ее предварительная обработка. Для решения этой задачи сегодня существует ряд методов анализа данных, успешно реализуемых в классе программных систем, которые также принято называть системами поддержки принятия решений (CППР) [47,53,73,87,93,102].

Выделяют три класса задач анализа данных [47,127,131,135]: информационно-поисковый (осуществляет поиск необходимых данных); оперативно-аналитический (производит группирование и обобщение данных в любом виде); интеллектуальный (осуществляет поиск функциональных и логических закономерностей в накопленных данных, построение моделей и правил, которые объясняют найденные закономерности и прогнозируют развитие некоторых процессов) [47,127,131,135]. Системы поддержки принятия решений, использующие средства интеллектуального анализа данных назовем интеллектуальными (ИСППР) [121,131]. Для выполнения процессов управления СПД в ИСППР осуществляется сбор, хранение, передача и обработка информации [127,121,135].

При решении задач интеллектуального анализа данных используют ряд методов, таких как правила, деревья решений, кластерный анализ, некоторые математические функции.

В условиях большого объема исходных данных и высокой динамики их изменений следует применять специальные методы автоматизированного анализа, которые позволяют решать сложные задачи, к которым относятся: классификация, поиск ассоциативных правил, кластеризация [131,135].

На основе ряда работ [76,87,98,105,110] был проведен анализ существующих моделей и методов оценки и обнаружения неисправностей и предложена их классификация, представленная на рисунке 2.1 [107,127,131,135]. Сравнительный анализ представленных моделей и методов оценки и обнаружения неисправностей в СПД приведен в таблице 2.1 [131].

Перечисленные в таблице 2.1 достоинства нейронных сетей, в особенности способности быстро формировать решения и самообучаться, позволили выделить их для решения задач технического диагностирования СПД.

Сигнатурный метод [59,60,86] - поиск неисправности занимает маловремени;- высокая достоверность;- сигнатуры отражают сложные взаимосвязи - сложность построения программы сигнатурного анализатора;- проверка контрольных сигнатур;- требуется формированиепостоянной актуализации базы сигнатур

Статистическийметод[59,60] - позволяют определять распределенныевоздействия;- определяют взаимосвязи между различными событиями;- корреляция событий позволяет определить значимые события - чувствительность зависитот заданной величины отклонений и точности моделиинформационной системы- трудность применения длябольших технических системв связи с большим количеством параметров

Экспертные системы [49,75,80] - устойчивы к выбросам в исходных данных;- устойчивость и воспроизводимость результатов - сложность формализациизнаний;- описывают только последовательность шагов;- низкая скорость и малыеобъемы перерабатываемойинформации за единицу времени

Генетические алгоритмы [106,110,114,120] - большое число учитываемых параметров;- эффективны при работе с небольшимитехническими системами - плохо масштабируемы подсложность решаемой задачи;- требуют много времени приподготовке исходных данныхи работе

Фреймовые модели [114,125,128,133] - значения слотов представляются в системе в единственном экземпляре;- экономное размещение базы знаний;- значение любого слота при необходимости может быть вычислено с помощьюсоответствующих процедур или найденоэвристическими методами - сложно сформировать процедуры логического вывода

Нейронные сети (НС)[99,111,122,123,126, 130, 135,138] - решение задач при неизвестных закономерностях;- устойчивы к шумам во входных данных;- адаптируемы к изменениям окружающей среды;- способны быстро формировать решения;- способны к самообучению - обучение на основе тестового набора данных 2.1.2. Особенности формирования нейросетевых моделей технического диагностирования сетей передачи данных

Для обеспечения устойчивого функционирования СПД различного масштаба при разной интенсивности возникновения отказов необходимо применять комплексный подход к оценке технического состояния и поиску неисправностей в СПД, основанный на выборе определенных моделей и методов (рисунок 2.1), соответствующих условиям функционирования и особенностям рассматриваемой СПД [76,131].

С учетом выявленных недостатков современных СУ СПД в разделе 1 диссертации и выбранного аппарата НС на основе анализа моделей и методов технического диагностирования в СПД требуется подробно рассмотреть особенности и возможности нейронных сетей.

Нейронная сеть представляет собой сеть с конечным числом слоев из однотипных элементов или аналогов нейронов с различными типами связей [76,115]. Отдельный нейрон состоит из взвешенного сумматора и нелинейного элемента. Формальное представление нейрона представлено на рисунке 2.2. Функционирование нейрона определяется по формулам [48,51,54,71,104]: где xt - входные сигналы, совокупность которых образует вектор х; wt - весовые коэффициенты, совокупность которых образует вектор w; NET - взвешенная сумма входных сигналов; Ъ пороговый уровень нейрона; Fakt -функция активации.

Математическая модель процесса функционирования системы управления сетью передачи данных при обращении пользователей сети в службу поддержки в связи с изменением перечня предоставляемых услуг или при снижении показателей качества обслуживания

Процесс функционирования СУ СПД направлен на выполнение комплексной оценки технического состояния СПД при периодических запросах от СУ на основе множества диагностических данных о СПД и ее элементах с учетом требований к качеству обслуживания.

На основе последовательности решения задач управления СПД (рисунок Г.1) в диссертации разработана математическая модель процесса функционирования СУ СПД при периодических запросах от СУ на выполнение комплексной оценки технического состояния СПД с применением СС, под которой понимается совокупность взаимосвязанных узлов (вершин) и ветвей, соединение которых соответствует процессу функционирования СУ СПД [108,123]. Ребрам СС соответствуют элементарные процессы, а узлам – условия их выполнения.

Математическая модель процесса функционирования СУ СПД при периодических запросах от СУ на выполнение комплексной оценки технического состояния СПД представлена на рисунке 3.2. Для данной модели используются ограничения и допущения, введенные в разделе 3.1 диссертации [123].

Необходимо определить ФР Q(t) и среднее время выполнения процесса функционирования СУ СПД. Каждый элементарный подпроцесс, характеризующийся ФР, представим, используя преобразование Лапласа [58,108]. Исходные данные для моделирования исследуемого процесса управления СПД представлены в таблице 3.2. Таблица 3.2 – Исходные данные для моделирования процесса функционирования СУ СПД

Результаты моделирования для математической модели процесса функционирования СУ СПД при комплексной оценке технического состояния СПД, представленной на рисунке 3.3, с помощью выражения 3.7 представлены на рисунках 3.3-3.5 [123].

На рисунке 3.3 представлена ФР времени реализации цикла управления СУ СПД для разных значений вероятности Pv обнаружения отклонений параметров QoS. При увеличении времени реализации цикла управления СПД растет значение вероятности завершения цикла управления за отведенное время. На рисунке 3.3 представлено, что с ростом значения вероятности Pv значительно увеличивается время реализации цикла управления СУ СПД. На рисунке 3.4 представлена ФР времени реализации цикла управления СУ СПД для разных значений вероятности Pn обнаружения неисправностей элементов СПД. При увеличении времени реализации цикла управления растет значение вероятности завершения цикла управления за отведенное время. На рисунке 3.4 представлено, что с ростом значения вероятности Pn значительно увеличивается время реализации цикла управления СУ СПД. С помощью представленной математической модели можно определить среднее время T(Pn) реализации цикла управления СУ СПД (рисунок 3.5), который включает ряд мероприятий по восстановлению СПД. цикла управления СУ СПД при цикла управления СУ СПД при СПД при изменении вероятности изменении вероятности Pv изменении вероятности Pn появления события Pn и разных значений времени tl Анализ полученных результатов показывает, что предложенная математическая модель для описания процессов функционирования СУ СПД при периодических запросах на определение технического состояния СПД работоспособна, чувствительна к изменению входных данных.

Представлено, что существенное влияние на работу модели СС оказывает изменение вероятностей Pn и Pv, а также показана необходимость применения НС моделей для обработки диагностических данных при увеличении интенсивности отказов в СПД.

Весь процесс функционирования СУ СПД при периодических запросах на оценку технического состояния СПД можно разделить на два направления исследования (рисунок 3.1). Оценку технического состояния СПД можно производить на основании значений диагностических параметров элементов СПД, что соответствует управлению на уровне элементами сети (EMS) классической концепции управления TMN или таких как ITIL (ITSM), OSS/BSS, а также имея значения параметров QoS СПД, определяемых на уровне управления сетью (NMS) в TMN [57,63,64,123,124]. Результаты моделирования процесса функционирования СУ СПД при периодических запросах от СУ на выполнение оценки технического состояния СПД на уровне управления элементами сети (EMS), а также процесса функционирования СУ СПД при периодических запросах от СУ на выполнение оценки технического состояния СПД на уровне управления сетью (NMS) представлены в приложении В.

Математическая модель процесса функционирования системы управления сетью передачи данных при обращении пользователей сети в службу поддержки в связи с изменением перечня предоставляемых услуг или при снижении показателей качества обслуживания Процесс функционирования СУ СПД в отличие от процессов функционирования СУ СПД, представленных в разделе 3.2, источником информации воспринимают обращение пользователей сети в службу поддержки в связи с изменением перечня предоставляемых услуг или при снижении показателей качества обслуживания. При реализации процесса функционирования СУ СПД процесс восстановления параметров QoS может наступить с некоторой вероятностью при выявлении несоответствия заявленному классу обслуживания в отличие от модели процесса функционирования СУ СПД на уровне управления NMS.

Данный процесс функционирования СУ СПД при оценке технического состояния СПД позволяет выявить соответствие заданному качеству обслуживания и, в случае необходимости, внести изменения по требованию пользователя сети.