Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



Амер Мухсін Салман

Скачати 241.37 Kb.

Амер Мухсін Салман




Скачати 241.37 Kb.
Дата конвертації09.04.2017
Розмір241.37 Kb.
ТипАвтореферат




ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ РАДІОЕЛЕКТРОНІКИ

Амер Мухсін Салман

УДК 621.391



МЕТОДИ ТА МОДЕЛІ КЛАСИФІКАЦІЇ ТА ПРОГНОЗУВАННЯ СТАНІВ ТЕЛЕКОМУНІКАЦІЙНИХ СИСТЕМ НА БАЗІ

МОДИФІКОВАНИХ НЕЙРОННИХ МЕРЕЖ

05.12.02 – Телекомунікаційні системи та мережі

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Харків – 2011

Дисертацією є рукопис.

Робота виконана в Харківському національному університеті радіоелектроніки.

Харківський національний університет радіоелектроніки (ХНУРЕ) - вищий навчальний заклад в Україні, IV рівня акредитації. ХНУРЕ - унікальний технічний університет, єдиний в Україні спеціалізований університет, в якому зосереджені практично усі спеціальності, пов'язані з Інформаційними технологіями, радіотехнікою та електронікою.

Міністерства освіти і науки молоді та спорту України.

Науковий керівник кандидат технічних наук, доцент

Дуравкін Євген Володимирович,

Харківський національний університет

радіоелектроніки,

доцент кафедри телекомунікаційних мереж



Офіційні опоненти: доктор технічних наук, професор

Безрук Валерій Михайлович,

Харківський національний університет

радіоелектроніки,

завідувач кафедри мережі зв’язку


кандидат технічних наук, доцент

Бохан Костянтин Олександрович,

Харківський національний аерокосмічного

університету ім. Н.Є.

Телекомунікаці́йна мере́жа - комплекс технічних засобів телекомунікацій та споруд, призначених для маршрутизації, комутації, передавання та/або приймання знаків, сигналів, письмового тексту, зображень та звуків або повідомлень будь-якого роду по радіо, проводових, оптичних чи інших електромагнітних системах між кінцевим обладнанням
Технічні науки - науки, що вивчають закономірності розвитку техніки і визначають способи найкращого її використання.
До́ктор нау́к - вищий науковий ступінь, який присуджують на підставі публічного захисту докторської дисертації.
Жуковського.

доцент кафедри «Комп’ютерних мереж та систем»

Захист відбудеться «19» жовтня 2011 року о 15 годині на засіданні спеціалізованої вченої ради Д 64.052.09 Харківського національного університету радіоелектроніки за адресою: 61166, м. Харків, пр. Леніна, 14, ауд. 13.
З дисертацією можна ознайомитись в Центральній науковій бібліотеці Харківського національного університету радіоелектроніки за адресою: 61166, м. Харків, пр. Леніна, 14.
Автореферат розісланий «15 » вересня 2011 року.



Вчений секретар

спеціалізованої вченої ради Д 64.052.09 Є.В. Дуравкін

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми дисертаційної роботи. Найбільш суттєвою ознакою сучасного етапу розвитку телекомунікаційної галузі є значне підвищення вимог до якості обслуговування при наданні як традиційних послуг передачі даних, так і мультимедійних послуг.

Передача даних (обмін даними, цифрова передача, цифровий зв'язок) - фізичне перенесення даних цифрового (бітового) потоку у вигляді сигналів від точки до точки або від точки до множини точок засобами електрозв'язку каналом зв'язку; як правило, для подальшої обробки засобами обчислювальної техніки.
Також спостерігається стрімке розширення переліку послуг, що надаються телекомунікаційними мережами. Забезпечення відповідної якості обслуговування не можливе без володіння повною інформацією про стан мережі, та здатності прогнозувати його у ближчому майбутньому. Сучасні ж системи мережевого управління, що у своєї більшості базуються на протоколі SNMP, не здатні вирішувати задачу збору інформації про стан мережі, та прогнозування стану у повному обсязі.

Таким чином виникає задача вдосконалення існуючих методів та засобів мережевого управління у напрямку підвищення можливостей, що до класифікації поточного стану мережі, та формуванню попереджувальних керуючих впливів, що можливе лише за підсумками рішення задачі прогнозування.

Аналіз архітектури систем мережевого управління показав, що найбільш ефективним напрямком їх вдосконалення є використання розподіленої агентної архітектури та включення до складу агентів моніторингу стану інтелектуальної складової, що має вирішувати задачу класифікації стану елементів мережі, або сегменту телекомунікаційної мережі. Керуючі модулі системи мережевого управління мають бути доповнені елементами, що здатні вирішувати задачу прогнозування стану на базі інформації, про поточний стан як елементів, так и телекомунікаційної мережі загалом.

Отже дисертаційна робота, що присвячена вдосконаленню методів мережевого управління, а саме розробці моделей та методів класифікації та прогнозування станів телекомунікаційних мереж є актуальною.



Зв'язок роботи з науковими програмами, планами, темами. Дисертаційні дослідження тісно пов’язані з положеннями «Концепції національної інформаційної політики», «Концепції Національної програми інформатизації», «Основних засад розвитку інформаційного суспільства в Україні на 2007-2015 роки» та «Концепції конвергенції телефонних систем та мереж з пакетною комутацією в Україні». Матеріали дисертації реалізовано в ході виконання науково-дослідної роботи № 235-1 «Методи проектування телекомунікаційних мереж NGN та управління їх мережними ресурсами»
(№ ДР 0109U000662), у якій автор був виконавцем.

Мета і задачі дослідження. Метою є вдосконалення методів мережевого управління в телекомунікаційних системах, а саме розробка методів класифікації та прогнозування станів при передаванні різнорідного трафіку.

Для досягнення цієї мети в роботі поставлено та вирішено наступні задачі:

– розробка вимог до систем мережевого управління;

– оцінка ефективності методів класифікації станів телекомунікаційної мережи;

– розробка моделі класифікації та прогнозування станів елементів теле-комунікаційної мережі;

– розробити модель класифікації станів телекомунікаційної ІР-мережі;

– розробити метод класифікації станів телекомунікаційної мережі, що базується на статистиці показників якості функціонування;

– розробити метод прогнозування стану телекомунікаційної мережі, що базується на аналізу динаміки зміни значень показників якості функціонування;

– розробити нейрону мережу, що дозволяє вирішувати задачі класифікації та прогнозування станів телекомунікаційної мережі.

Класифіка́ція (фр. , англ. classification походить від лат. classis - клас і facio - роблю) - система розподілення об'єктів (процесів, явищ) за класами (групами тощо) відповідно до визначених ознак. Інколи вживають термін категоризація у значенні «розподілення об'єктів на категорії».


Об'єктом дослідження є процес класифікації та прогнозування станів телекомунікаційної системи, що виконується мережевими системами управління.

Предметом дослідження методи та моделі класифікації та прогнозування станів телекомунікаційної системи на основі нейронних мереж.

Методи досліджень: теорія класифікації, теорія нейронних мереж, теорія моделювання складних систем, теорія ймовірності та математична статистика.
Складна́ систе́ма - система, поняття, що широко використовується в сучасній науковій літературі і вказує на специфічні особливості об'єктів дослідження практично в усіх розділах природничих та гуманітарних наук.
Теорія ймовірності - розділ математики, що вивчає закономірності випадкових явищ: випадкові події, випадкові величини, їхні функції, властивості й операції над ними. Математичні моделі в теорії ймовірності описують з деяким ступенем точності випробування (експерименти, спостереження, вимірювання), результати яких неоднозначно визначаються умовами випробування.
Математична статистика - розділ математики та інформатики, в якому на основі дослідних даних вивчаються імовірнісні закономірності масових явищ. Основними задачами математичної статистики є статистична перевірка гіпотез, оцінка розподілу статистичних імовірностей та його параметрів, вивчення статистичної залежності, визначення основних числових характеристик випадкових вибірок, якими є: вибіркове середнє, вибіркові дисперсії, стандартне відхилення. Прикладом перевірки таких гіпотез є з'ясування питання про те, змінюється чи не змінюється виробничий процес з часом. Прикладом оцінки параметрів є оцінка середнього значення статистичної змінної за дослідними даними. Для вивчення статистичної залежності використовують методи теорії кореляції. Загальні методи математичної статистики є основою теорії похибок.


Наукова новизна отриманих результатів.

Отримав подальший розвиток метод класифікації станів телекомунікаційної системи, що базується на використанні нейронних мереж, а саме запропоновані до використання модифіковані нейроні мережі, для яких розроблено методи розрахунку об’єму виборки для навчання, типу та параметрів функції активації, параметрів шару прогнозування, що дозволяє підвищити ефективність систем мережевого управління.

Вперше розроблена модель класифікації та прогнозування станів марштутизатора, що використовує нейрону мережу у якості елемента, що приймає рішення, що дозволило вирішити задачу в умовах передачі різнорідного трафіку, а також вирішити задачу прогнозування станів.

Вперше розроблена модель моніторингу та прогнозування станів сегменту телекомунікаційної системи, на базі нейронної мережі, що дозволяє вирішити задачі класифікації та прогнозування з урахуванням взаємозв’язку показників якості обслуговування, що дозволяє більш ефективно вирішувати задачі управління телекомунікаційною системою.

Задача класифіка́ції - формалізована задача, яка містить множину об'єктів (ситуацій), поділених певним чином на класи. Задана кінцева множина об'єктів, для яких відомо, до яких класів вони відносяться.



Практичне значення отриманих результатів.

Розроблені моделі та методи можуть застосовуватися:

­– як елементи систем мережевого управління, які дозволяють розширити їх функціональні можливості;

– як елементи систем діагностування елементів телекомунікаційних систем, та систем взагалі.

Крім того, результати дисертації використані в ході виконання науково-дослідної роботи № 235-1 «Методи проектування телекомунікаційних мереж NGN та управління їх ресурсами» (№ ДР 0109U000662), в якій дисертант виступав співвиконавцем.

Особистий внесок здобувача. Усі результати дисертаційної роботи отримані автором самостійно. У [1] автором проведено аналіз систем мережевого управління телекомунікаційною системою, сформульовані загальні вимоги та узагальнена архітектура подібних систем. В [2] розроблено метод відбору найбільш інформативних ознак, що визначають як стан елементів телекомунікаційної системи, заснований на методі імітаційного моделювання й факторному аналізі отриманих у процесі імітаційного моделювання даних.

Імітаці́йне моделюва́ння - це метод, що дозволяє будувати моделі процесів, що описують, як ці процеси проходили б насправді.
Моделюва́ння да́них (англ. Data modeling) в програмній інженерії - це процес створення моделі даних для інформаційна система з застосуванням формальних підходів.
У [3] проведено аналіз показників якості, що використовуються для оцінки станів телекомунікаційної системи, формалізовано та класифіковано стани системи, а також проведено аналіз вимог різного виду трафіку до ресурсів мережі. В [4] проведено порівняльний аналіз моделей нейронних мереж для вирішення задачі класифікації станів телекомунікаційної системи. В [5] запропоновано розширення існуючого апарату імовірнісних нейронних мереж для підвищення ефективності класифікації та прогнозування станів телекомунікаційної системи, а також розроблено модель системи моніторингу інформаційно-обчислювальної мережі.

Апробація результатів дисертації

Основні результати дослідження доповідалися та отримали високу оцінку на 3 міжнародних наукових конференціях:

– науково-практична конференція "Сучасні проблеми телекомунікацій – 2010".

Наукова конференція - форма організації наукової діяльності, при якій дослідники (не обов'язково вчені чи студенти) представляють і обговорюють свої роботи. Зазвичай заздалегідь (в інформаційному листі або стендовій оголошенні) повідомляється про тему, час і місце проведення конференції.
– Львів: НУ "Львівська політехніка", 2010. 

– науково-технічній конференції з міжнародною участю «Комп'ютерне моделювання в наукомістких технологіях – 2010», 18-21 травня 2010, Україна – Харків: ХНУ імені В.Н. Каразіна;

– всеросійській науковій конференції з елементами наукової школи для молоді «Паралельна комп'ютерна алгебра», 11-15 жовтня 2010, Росія – Ставрополь: СГУ.

Публікації. За результатами наукових досліджень опубліковано 6 наукових робіт, тези доповідей на 4-х науково-технічних конференціях, 2 звіти про НДР.

Наукова школа (рос. научная школа, англ. scientific school, нім. wissenschaftliche Schule f, Richtung f) - форма організації колективної наукової праці співробітників НДІ, ВНЗ, наукового центру тощо під керівництвом лідера школи, як правило, відомого вченого.
Наукове дослідження - процес дослідження певного об'єкта (предмета або явища) за допомогою наукових методів, яке має на меті встановлення закономірностей його виникнення, розвитку і перетворення в інтересах раціонального використання у практичній діяльності людей.
Дослі́дження, до́сліди - (широко розуміючи) пошук нових знань або систематичне розслідування з метою встановлення фактів; (вузько розуміючи) науковий метод (процес) вивчення чого-небудь.

Усі публікації у виданнях, які входять до переліку видань, затверджених ВАК України.

Структура й обсяг дисертації. Дисертаційна робота складається зі вступу, 4-х розділів, висновків, переліку використаних джерел та додатків. Повний обсяг дисертації складає 170 сторінок. Вона містить 68 рисунків,
8 таблиць, список використаних джерел із 120 найменувань на 10 сторінках.

ОСНОВНИЙ ЗМІСТ РОБОТИ



У вступі обґрунтована актуальність теми дисертаційної роботи, показаний її зв’язок з науковими темами, які виконуються в Харківському національному університеті радіоелектроніки, визначені мета та задачі дослідження, сформульовані наукова новизна та практичне значення отриманих результатів.

У першому розділі проведено аналіз технологій побудови систем мережевого управління та прикладів їх реалізації у сучасних засобах, що дало змогу виділити основні архітектурні елементи таких систем та задачі, що вирішуються ними. Проведено аналіз вимог до телекомунікаційних мереж з боку систем надання сервісів. На підставі проведеного аналізу сформульовані вимоги до сучасних систем мережевого управління:

– зменшення впливу людського фактору на процеси моніторингу та управління;

Людський фактор у загальному визначається як сукупність основних соціальних якостей людини, які історично склалися в суспільстві. До них відносяться ціннісні орієнтири, моральні принципи, норми поведінки, життєві плани, рівень знань та інформованості, характер трудових та соціальних навичок, установки та уявлення про особисто значимі елементи соціального життя - соціальну справедливість, про права і свободи людини, про громадянський обов'язок.

– процеси моніторингу та управління мають носити безперервний характер;

– керуючі впливи мають базуватися не тільки на поточному стані мережі, але й на прогнозі стану у близькому майбутньому;

– архітектура має бути розподіленою, що забезпечує найбільш повний збір статистичної інформації про стан мережі;

– об’єм сервісного трафіку має бути мінімально можливим.

Аналіз сучасних засобів мережевого управління, показав, що у своєї більшості вони реалізують протоколи SNMP та RMON. На сьогоднішній день подібні системи здатні лише видати користувачеві статистику по обмеженому набору параметрів мережі, без урахування їхнього взаємозв'язку, та не здатні прогнозувати стан системи в майбутньому. Тому для більш повного аналізу стану телекомунікаційної мережі до складу таких систем необхідно включати додаткові модулі обробки статистичної інформації, що також реалізують функції прогнозування. У зв'язку із цим для підвищення ефективності систем мережевого управління необхідно вирішити наступні задачі:

– задачу класифікації станів мережі, яка вирішується на основі статистичної інформації та враховує взаємозв'язок між різними параметрами мережі;

– задачу прогнозування станів мережі на основі динаміки зміни значень основних показників якості мережі.

Поставлено задачу на дослідження. У рамках загальної постановки поставлено математичну задачу класифікації станів телекомунікаційної мережі, суть якої полягає у формуванні матриці навчання по кожному із станів системи на основі інформації про поточний стан кожного елемента.

Математична задача - задача, що розв'язується методами математики. Математичні задачі можуть бути взяті з реального світу або бути сформульовані в межах самої математики. Для того, щоб задача реального світу стала математичною, необхідно побудувати її математичну модель, а отриманий розв'язок витлумачити, тобто перевести з мови математики на мову відповідної області реального життя або природничої науки, якої ця задача стосується.
Поточний стан кожного елемента представлений набором векторів значень показників якості. На основі таблиці навчання на першому етапі по набору показників якості визначається стан елемента мережі, а на другому етапі – стан всієї мережі, на підставі набору станів її елементів. Також поставлено математичну задачу прогнозування станів телекомунікаційної мережі.

Проведено порівняльний аналіз основних методів класифікації за наступними критеріями:

– помилки першого й другого роду на контрольних вибірках;

– стійкість до шуму;

– схильність до перенавчання;

обчислювальна складність і швидкість.

Складність обчислювальних процесів - це поняття теорії складності обчислень, оцінка ресурсів (зазвичай часу) необхідних для виконання алгоритму.

За результатами аналізу зроблено висновок про те, що нейромережеві методи є найбільш ефективними при рішенні даного типу завдань.



У другому розділі виконана оцінка ефективності класів нейронних мереж в умовах рішення задачі класифікації станів телекомунікаційної мережі. В роботі були досліджені основні типи нейронних структур, результати аналізу яких показали, що при рішенні задачі класифікації та прогнозування станів телекомунікаційної мережі можливе використання, як мереж прямого поширення, так і радіально-базисних мереж. Проте такі види мереж мають певні недоліки: необхідно багато обчислювальних ресурсів при навчанні багатошарового персептрону, а в радіально-базисних мережах зі зростанням розмірності вхідного простору експоненційно росте кількість базисних функцій.
Обчи́слювальні ресу́рси - можливості, забезпечувані компонентами обчислювальної системи, що витрачаються (зайняті) в процесі її роботи.
В зв’язку з цим для рішення задачі класифікації та прогнозування станів телекомунікаційної мережі були обрані імовірнісні нейронні мережі. Їх основною особливістю являється те, що вони відносяться до мереж прямого поширення, а відносно архітектури є найбільш близькими до радіально-базисних мереж. Якщо порівнювати їх з багатошаровими персептронами, то швидкість навчання у них більш висока, крім цього вони не мають проблеми експоненційного росту, що обмежує можливості радіально-базисних мереж.

В роботі розроблено метод класифікації та прогнозування станів телекомунікаційної мережі на основі модифікованої ймовірнісної нейронної мережі.

Запропоновано метод розрахунку розміру навчальної множини для навчання імовірнісної нейронної мережі.

де – середньоквадратичне значення помилки оцінювання,



– розмір вхідного шару,

– розмір шару підсумовування,

– розмір шару прогнозування.

Замість стандартної дзвіноподібної функції активації пропонується застосування більш простого перетворення, що спростило чисельну реалізацію.



де − значення синаптичних коефіцієнтів,



− невідомий вхідний зразок,

− параметр, що задає ширину функції активації.

Запропоновано метод розрахунку параметра ширини функції активації .



де – початкове значення параметру ;



N – розмір навчальної множини;

– деяка часова константа.

Додано зворотній зв'язок та шар прогнозування для здійснення можливості прогнозування станів мережі в імовірнісну нейронну мережу.


У шарі прогнозування виконується прогнозування ймовірності знаходження телекомунікаційної мережі в i-ому стані на k 1 кроці. Прогнозування проводиться на основі регресійного аналізу.
Регресі́йний ана́ліз - розділ математичної статистики, присвячений методам аналізу залежності однієї величини від іншої. На відміну від кореляційного аналізу не з'ясовує чи істотний зв'язок, а займається пошуком моделі цього зв'язку, вираженої у функції регресії.

Запропоновано метод оцінювання ступеню полінома, який використовується при прогнозуванні станів телекомунікаційної мережі.



У третьому розділі наведено модель станів маршрутизатора в залежності від ступеню використання ресурсів. До числа таких ресурсів відносять завантаженість процесора, пам'яті, необхідної для таблиці маршрутизації, середню завантаженість вхідного та вихідного буферів (таблиця 1).

В роботі був представлений метод відбору найбільш інформативних ознак, які встановлюють як стан елементів, так і телекомунікаційної мережі в цілому. Метод базується на застосуванні імітаційного моделювання та факторного аналізу даних, що були отримані в процесі імітаційного моделювання даних.

Таблиця маршрутизації (англ. routing table) - електронна таблиця (файл) або база даних, що зберігається на маршрутизаторі або мережевому комп'ютері, що описує відповідність між адресами призначення і інтерфейсами, через які слід відправити пакет даних до наступного маршрутизатора.
Аналіз даних - розділ математики, що займається розробкою методів обробки даних незалежно від їх природи.


Таблиця 1. Відповідність станів маршрутизатора ступеням використання ресурсів




Стан маршрутизатора

Ступінь використання ресурсів, %

0

Не завантажений

30

1

Завантажений

60

2

Критичне навантаження

90

3

Втрати

100

Розроблено імітаційну модель фрагменту телекомунікаційної мережі, використання якої дозволяє відібрати найбільш інформативні ознаки, які забезпечують рішення задачі класифікації та прогнозування станів маршрутизатора. За допомогою даної моделі був проведений аналіз чутливості даних показників якості на стан пристрою. Проведено експеримент на реальному обладнанні для перевірки адекватності побудованої моделі. Таким обладнанням являлися два маршрутизатора компанії Cisco та програма генерування трафіка xChariot. В ході експерименту моделювалися різні види навантаження, а за допомогою SNMP-клієнта знімалися значення показників бази даних MIB. Шляхом застосування методу довірчих інтервалів була проведена оцінка адекватності розробленої імітаційної моделі.

Довірчий інтервал - термін, який використовується в математичній статистиці при інтервальній оцінці статистичних параметрів, більш кращою при невеликому обсязі вибірки, ніж точкова. Довірчим називають інтервал, який покриває невідомий параметр із заданою надійністю.
Згідно з результатами аналізу зроблено висновок що дані, отримані за допомогою імітаційної моделі збігаються з даними, отриманими за допомогою натурного експерименту, з довірчою ймовірністю 0,9 при коефіцієнті надійності довірчого інтервалу, рівному 0,1.

Отримані результати експерименту з імітаційною моделлю показали, що середня завантаженість вхідного буфера маршрутизатора являється найбільш чутливим показником стану маршрутизатора, крім цього динаміка заповнення буфера залежить від різних показників інформаційно-обчислювальної мережі, і ці залежності мають різний характер. Було одержано два види залежностей – лінійна при постійному та нелінійна при змінному потоці. Побудовано поліноміальну модель станів маршрутизатора. Проведено оцінку адекватності побудованої поліноміальної моделі та зроблено висновок про те, що модель близько відтворює динаміку реального процесу.

Відповідно другому розділу розроблено модель класифікації та прогно-зування станів маршрутизатора на базі апарату модифікованих імовірнісних нейронних мереж (рис. 1):

– виконана оцінка розміру навчальної множини, обрано 320 навчальних зразків;

– вибрано параметр ширини функції активації = 0,3;

– вибрано ступінь полінома. Для прогнозування станів маршрутизатора використається поліном третього ступеня.

Рис. 1. Модель класифікації та прогнозування станів маршрутизатора на базі апарату модифікованих імовірнісних нейронних мереж

Рис. 2. Стани маршрутизатора при постійній інтенсивності вхідного потоку


Ефективність розробленої моделі, відповідно до отриманих результатів, становить 98%. Це пов’язано з тим, що при класифікації та прогнозуванні станів маршрутизатора з 50 станів некоректно класифіковано й прогнозовано
1 стан. Поява помилка пояснюється різким переходом з одного із станів маршрутизатора в інший, в подальшому процес коректної класифікації та прогнозування було швидко відновлено.


Рис. 3. Стани маршрутизатора при інтенсивності вхідного потоку,
що зростає
У четвертому розділі були проаналізовані основні показники якості роботи телекомунікаційної мережі, які є основними при наданні послуг. До таких показників відносять кількість загублених IP-пакетів, кількість пакетів з помилками, затримка та джиттер.

Розглянуті основні типи трафіка, які можуть зустрічатися у телекомунікаційних мережах. Проведений аналіз вимог різного виду трафіка до ресурсів мережі. Виділено шість класів обслуговування відповідно до рекомендацій ITU-T Y.1540 Міжнародного комітету з електрозв'язку (таблиця 2).


Таблиця 2. Відповідність класів обслуговування параметрам продуктивності інформаційно-обчислювальної мережі


Параметр

Клас 0

Клас 1

Клас 2

Клас 3

Клас 4

Клас 5

Затримка

100мс

400мс

100мс

400мс



-

Джиттер

50мс

50мс

-

-

-

-

Кількість загублених
IP-пакетів

0,001

0,001

0,001

0,001

0,001

-

Кількість пакетів з помилками

0,0001

0,0001

0,0001

0,0001

0,0001

-

На підставі одержаної інформації розроблено модель станів телекомунікаційної мережі, при яких можливе гарантування необхідної якості обслуговування для різних видів трафіку (таблиця 3).


Таблиця 3. Відповідність телекомунікаційної мережі різним видам трафіка


Стан

інформаційно-обчислювальної

мережі


Приклад використання

0

Трафік реального часу, дуже інтерактивний, чутливий

до джитеру



1

Трафік реального часу, інтерактивний, чутливий
до джитеру

2

Передача даних, дуже інтерактивний трафік

(сигнальна інформація)



3

Передача даних, інтерактивний трафик

4

Трафик з низькими втратами

(дрібні пересилання, великий трафик, відео потоки)



5

Традиційні додатки IP мереж

Розроблено імітаційну модель сегмента телекомунікаційної мережі для формування навчальної вибірки. Дана модель була розроблена за допомогою спеціалізованої системи моделювання OMNe 4.0. На реальному обладнанні проведено експеримент з метою перевірки адекватності побудованої імітаційної моделі. Експеримент проведено за допомогою маршрутизаторів Cisco та програми xChariot, що генерує трафік. Згідно з результатами експерименту зроблено висновок про адекватність побудованої імітаційної моделі. Дана оцінка адекватності проводилася за допомогою методу довірчих інтервалів. Відповідно до результатів обчислення зроблено висновок про те, що дані, отримані за допомогою імітаційної моделі, збігаються з даними, отриманими за допомогою натурного експерименту, з довірчою ймовірністю 0,9 при коефіцієнті надійності довірчого інтервалу, рівному 0,1.

Відповідно другому розділу розроблено модель класифікації та прогнозування станів телекомунікаційної мережі на базі апарату модифікованих нейронних мереж (рис. 4):

– виконано оцінку розміру навчальної множини, обрано 1440 навчальних зразків;

– вибрано параметр ширини функції активації = 0,2;

– вибрано ступені поліномів.


Рис. 4. Модель модифікованої імовірнісної нейронної мережі, призначеної для класифікації та прогнозування станів телекомунікаційної мережі


Поліном п’ятого ступеня використовується для телекомунікаційної мережі, що не припускає передачу мультимедійної інформації. В тому випадку, коли телекомунікаційна мережа передбачає передачу мультимедійної інформації, використається поліном четвертого ступеня. Це пов’язано з тим, що в мережах такого роду часто виникає флуктуації параметрів залежно від навантаження.

Відповідно до результатів, отриманих у ході проведення експерименту з імітаційною моделлю, здійснено оцінку ефективності розробленої моделі при класифікації та прогнозуванні станів телекомунікаційної мережі (рис 5).




Рис. 5. Результати класифікації та прогнозування станів

телекомунікаційної мережі


В ході проведення експерименту при класифікації й прогнозуванні станів телекомунікаційної мережі виявлено, що з 18 станів коректно класифіковано та спрогнозовано 16 станів. Відповідно до отриманих результатів зроблено висновок про те, що ефективність розробленої моделі становить 90%. Появу помилки класифікації й прогнозування можна пояснити різким переходом з одного із телекомунікаційної мережі в інший, в подальшому процес коректної класифікації та прогнозування було швидко відновлено.

ВИСНОВКИ ПО РОБОТІ

1. Визначено загальні вимоги до систем моніторингу сучасними телекомунікаційної мережами.

2. Розроблено імітаційну модель сегменту телекомунікаційної мереж, яка позволяє відбирати найбільш інформативні ознаки, що забезпечують рішення завдання класифікації й прогнозування станів маршрутизатора. Проведено аналіз чутливості даних показників якості на стан пристрою. Проведено експеримент на реальному обладнанні для перевірки адекватності побудованої імітаційної моделі.

3. Проаналізовано показники якості, які використовуються для оцінки станів телекомунікаційної мережі. Із них виділено чотири базові показники при наданні послуг: кількість загублених IP-пакетів, кількість пакетів з помилками, затримка та джиттер. Розроблено модель станів інформаційно-обчислювальної мережі.

4. Розроблено імітаційну модель сегменту телекомунікаційної мережі, за допомогою якої проводиться формування навчальної вибірки. Модель розроблено за допомогою спеціалізованої системи моделювання OMNe 4.0. Проведено експеримент на реальному обладнанні для перевірки адекватності побудованої імітаційної моделі.

5. Виконано порівняльний аналіз основних методів класифікації. Згідно з результатами, отриманими при аналізі, зроблено висновок про те, що при рішенні завдань даного типу нейромережеві методи є найбільш ефективними.

6. Проведено оцінку ефективності класів нейронних мереж при рішенні задачі класифікації станів телекомунікаційної мережі. Обрано імовірнісні нейронні мережі для рішення задач даного типу.

7. На основі модифікованої ймовірнісної нейронної мережі розроблено метод класифікації та прогнозування телекомунікаційної мережі.

Для здійснення можливості прогнозування в імовірнісну нейронну мережу додано шар прогнозування та зворотній зв'язок. У шарі прогнозування виконується прогнозування ймовірності знаходження інформаційно-обчислювальної мережі в i-ому стані на k 1 кроці. Дане прогнозування проводиться на основі регресійного аналізу.

Запропоновано метод розрахунку розміру навчальної множини.

Запропоновано функцію активації.

Запропоновано метод розрахунку значення параметра ширини функції активації.

Запропоновано метод оцінювання ступеню полінома, який використовується при прогнозуванні станів телекомунікаційної мережі.

8. На базі апарату модифікованих імовірнісних нейронних мереж розроблено модель класифікації та прогнозування станів маршрутизатора. Ефективність розробленої моделі становить 98%. При проведенні класифікації та прогнозуванні станів маршрутизатора з 50 станів некоректно класифіковано й спрогнозувано 1 стан.

9. На базі апарату модифікованих імовірнісних нейронних мереж розроблено модель класифікації та прогнозування станів інформаційно-обчислювальної мережі. Ефективність розробленої моделі становить 90%.
В ході проведення експерименту при класифікації й прогнозуванні станів телекомунікаційної мережі з 18 станів коректно класифіковано та спрогнозовано 16. Появу помилки класифікації й прогнозування, які допустили розроблені моделі, можна пояснити різким переходом з одного із станів в інший, в подальшому процес коректної класифікації та прогнозування було швидко відновлено.

ПУБЛІКАЦІЇ ЗА ТЕМОЮ ДИСЕРТАЦІЇ
1. Амер Мухсін Салман Анализ систем мониторинга телекоммуника-ционных сетей / А.М. Салман, О.С. Высочина, С.И. Шматков // Радіоелектроніка, інформатика, управління. − З., 2010. − №. 2 − С. 55−61.

2. Амер Мухсін Салман Метод классификации состояний телекомму-никационной сети / А.М. Салман, О.С. Высочина, С.И. Шматков // Системы управления, навигации и связи. − К.: ЦНИИ НУ, 2010. − №. 3 (15) − С. 112−116.

3. Амер Мухсін Салман Оценка эффективности методов классификации состояний інформаційно-обчислювальної сети / А.М. Салман, О.С. Высочина, С.И. Шматков // Сборник научных работ ХУВС. − X.: ХУВС, 2010. − №. 2 (24) − С. 98−101.

4. Амер Мухсін Салман Модель системы мониторинга інформаційно-обчислювальної сети на базе модифицированной вероятностной нейронной сети / А.М. Салман, О.С. Высочина, С.И. Шматков // Восточно-Европейский журнал передовых технологий. − Х., 2010. − №. 5 − С. 67−71.


АНОТАЦІЯ
В дисертаційній роботі розглянуто проблему підвищення ефективності систем моніторингу телекомунікаційної мережі за рахунок розробки методів і моделей класифікації та прогнозування станів, як елементів, так і всієї мережі в цілому.
Дисерта́ція (лат. dissertatio - твір, обговорення, розсуд, доповідь) - спеціально підготовлена наукова праця на правах рукопису, яку виконують для прилюдного захисту на здобуття наукового ступеня. В Україні розрізняють дисертацію для здобуття наукового ступеня кандидата наук (кандидатська дисертація) та доктора наук (докторська дисертація).

Проведений аналіз стану та перспектив розвитку телекомунікаційних систем дозволив виділити основну проблему даної області – забезпечення заданої якості обслуговування користувачів при впровадженні нових типів сервісів. Як приклад таких сервісів можна виділити передачу мультимедійної інформації. Одним із шляхів вирішення поставленої задачі являється удосконалення існуючих засобів управління та моніторингу телекомунікаційною мережею шляхом підвищення точності класифікації станів та можливості прогнозування станів у майбутньому.

Проаналізовано задачі, які вирішуються системами мережевого управління, в результаті чого сформульовано загальні вимоги до таких систем. На сьогоднішній день подібні системи можуть лише видати користувачеві статистику по обмеженому набору параметрів мережі, не враховуючи їх взаємозв'язок, а також не мають можливості прогнозувати стан системи в майбутньому. Тому пропонується в такі системи включати додаткові модулі обробки статистичної інформації, робота яких формально зводиться до рішення задачі класифікації та прогнозування станів інформаційно-обчислювальної мережі, що позволить зробити аналіз стану мережі більш повним.

Виконано порівняльний аналіз основних методів класифікації. Порівняльний аналіз виконувалося на основі математичного опису даних методів, а також за результатами їхньої практичної реалізації. За результатами аналізу зроблено висновок про те, що при рішенні задач даного типу нейромережеві методи є найбільш ефективними.

Зроблено оцінку ефективності класів нейронних мереж при розв'язанні задачі класифікації та прогнозування станів телекомунікаційної мережі. Обрано імовірнісні нейронні мережі.

Розроблено метод класифікації та прогнозування станів телекомунікаційної мережі на базі апарату модифікованих нейронних мереж.

На основі розробленого методу запропоновано модель класифікації та прогнозування станів маршрутизатору та модель класифікації та прогнозування станів телекомунікаційної мережі.

Ключові слова: класифікація, імовірнісна нейронна мережа, прогнозування, стан телекомунікаційної мережі.

Ймовірнісна нейронна мережа - вид штучних нейронних мереж, який використовує баєсову статистику для виконання певних завдань. Ймовірнісна нейронна мережа була розроблена Дональдом Спехтом (англ. Donald Specht).


АННОТАЦИЯ
В диссертационной работе рассмотрено проблему повышения эффективности систем мониторинга телекоммуникационной системы за счет разработки методов и моделей классификации и прогнозирования состояний, как элементов, так и всей системы в целом.

Проведенный анализ состояния и перспектив развития телекоммуникационных систем позволил определить основную проблему данной области: обеспечение заданного качества обслуживания пользователей при внедрении новых типов сервисов. Как пример можно выделить передачу мультимедийной информации. Одним из путей решения поставленной задачи является совершенствование существующих средств сетевого управления телекоммуникационной сетью путем повышения точности классификации состояний телекоммуникационной сети и возможности прогнозирования состояний в будущем.

Проанализированы задачи, которие решаются системами селевого управлення, на основании чего, сформулированы общие требования к таким системам. На сегодняшний день подобные системы способны лишь выдать пользователю статистику по ограниченному набору параметров сети, не учитывая их взаимосвязи, а также не способны прогнозировать состояние системы в будущем. Поэтому предлагается в такие системы включать дополнительные модули обработки статистической информации, работу которых формально можно свести к решению задачи классификации и прогнозирования состояний сети, что позволит сделать анализ более полным, а так же решить задачу прогнозирования.

Произведен сравнительный анализ основных методов классификации. Сравнительный анализ выполнялся на основе математического описания данных методов, а также по результатам их практической реализации. По результатам анализа сделан вывод о том, что при решении задач данного типа нейросетевые методы являются наиболее эффективными.

Произведена оценка эффективности классов нейронных сетей при решении задачи классификации и прогнозирования состояний информационно-вычислительной сети. Выбраны вероятностные нейронные сети.

Разработан метод классификации и прогнозирования состояний телекоммуникационной сети на базе аппарата модифицированных нейронных сетей:

Для осуществления возможности прогнозирования состояния телеко-ммуникационной сети в вероятностную нейронную сеть добавлен слой прогнозирования и обратная связь. В слое прогнозирования осуществляется предсказание вероятности нахождения информационно-вычислительной сети в i-ом состоянии на k 1 шаге. Прогнозирование выполняется на основе регрессионного анализа.

Предложена функция активации.

Предложен метод расчета значения параметра ширины функции активации.

Предложен метод расчета размера обучающего множества.

На основе разработанного метода предложена модель классификации и прогнозирования состояний маршрутизатора и модель классификации и прогнозирования состояний телекоммуникационной сети.

Ключевые слова: классификация, вероятностная нейронная сеть, прогнозирование, состояния телекоммуникационной сети.


SUMMARY
The thesis is dedicated to improvement of computer information network monitoring system by means of the development of methods and models for classification and prediction states of the elements and the computer information network.

The most known systems of computer information network monitoring are examined, their comparative analysis is presented, general requirements are formulated and general architecture of the similar systems is synthesized. The offered solutions are not able to predict the computer information network state. Therefore in such systems it is necessary to include the additional modules of statistical data processing.

Efficiency of different classification algorithms is estimated at recognition of the computer information network state. The analysis of classification algorithms showed that the most effective method of classification is neural network.

The main quality scores of the computer information network that are fundamental in the providing services were analyzed. Depending on the accepted values of quality scores classes of service were selected. The requirements analysis of different traffic types encountered in the computer information network to network resources was carried out. Computer information network states were formalized and classified.

A method for classification and prediction of computer information network states based on modified probabilistic neural networks is developed. To solve the problem of prediction created an additional layer. Prediction is based on regression analysis. A method for calculating the value of the activation function width parameter and the method for calculating the training set are developed. On the basis of the method model for classification and prediction of router states and model for classification and prediction of computer information systems states are developed.

The Keywords: classification, computer information network state, prediction, probabilistic neural network.



Підп. до друку 08.09.11. Формат 60х84 1/16. Спосіб друку – ризографія.

Умов. друк. арк. 0,9. Облік. вид. арк. 1,0. Тираж 100 прим.

Зам. № 2-740. Ціна договірна. ____________________________________________________________________


ХНУРЕ, 61166, Харків, просп. Леніна, 14

____________________________________________________________________


Віддруковано в навчально-науковому

видавничо-поліграфічному центрі ХНУРЕ



61166, Харків, просп. Леніна, 14


Скачати 241.37 Kb.

  • ОСНОВНИЙ ЗМІСТ РОБОТИ
  • ВИСНОВКИ ПО РОБОТІ