Совершенствование системы мониторинга сети связи на основе Data Science

Автоматика, связь, информатика. 2023. № 5. С. 12–15

Automation, communications, informatics. 2023. № 5. Р. 12–15

ТЕЛЕКОММУНИКАЦИИ

Научная статья

УДК 007.52

DOI: 10.34649/AT.2023.5.5.002

Совершенствование системы мониторинга сети связи на основе Data Science

Андрей Константинович Канаев¹, Элина Валерьевна Логин², Анастасия Владимировна Соколова³

¹Петербургский государственный университет путей сообщения Императора Александра I, кафедра «Электрическая связь», профессор, д-р техн. наук, Санкт-Петербург, Россия, kanaevak@mail.ru

²Петербургский государственный университет путей сообщения Императора Александра I, кафедра «Электрическая связь», доцент, канд. техн. наук, Санкт-Петербург, Россия, elinabeneta@yandex.ru

³Петербургский государственный университет путей сообщения Императора Александра I, факультет «Автоматизация и интеллектуальные технологии», студент, Санкт-Петербург, Россия, sokol_2001_nastia@mail.ru

Аннотация. Непрерывное развитие телекоммуникационной сети вместе с мониторингом, сбором и хранением данных о состоянии ее элементов с помощью системы ЕСМА приводит к необходимости внедрения методов интеллектуального анализа данных с целью получения прогноза параметров и предиктивной оценки состояния сетевых устройств. Благодаря такому усовершенствованию удастся значительно расширить возможности системы управления сетью связи.

Ключевые слова: Data Science, прогнозирование, интеллектуальный анализ данных, телекоммуникационная сеть связи, регрессионный анализ

Для цитирования: Канаев А.К., Логин Э.В., Соколова А.В. Совершенствование системы мониторинга сети связи на основе Data Science // Автоматика, связь, информатика. 2023. № 5. С. 12–15. DOI: 10.34649/AT.2023.5.5.002

TELECOMMUNICATIONS

Original article

Directions for improving the monitoring system of communication networks of JSC “Russian Railways” using forecasting methods based on Data Science

Andrey K. Kanaev, Elina V. Login², Anastasia V. Sokolova³

¹Emperor Alexander I St. Petersburg State Transport University, Department of Electrical Communication, Professor, Doctor of Technical Sciences, St. Petersburg, Russia, kanaevak@mail.ru

²Emperor Alexander I St. Petersburg State Transport University, Department of Electrical Communication, Docent, Candidate of Technical Sciences, St. Petersburg, Russia, elinabeneta@yandex.ru

³Emperor Alexander I St. Petersburg State Transport University, Faculty of Automation and Intelligent Technologies, student, St. Petersburg, Russia, sokol_2001_nastia@mail.ru

Abstract. The continuous development of the telecommunication network and the introduction of new elements into it, along with the data tracking, collecting and storing carried out by a Unified system for monitoring and administration of communication networks, leads to the need to consider data mining methods in order to obtain a forecast of the parameters of network devices and predictive assessment of the state of the communication network, which will expand the capabilities of the management system, thereby improving it.

Keywords: Data Science, forecasting, Data Mining, telecommunication network, regression analysis

For citation: Kanaev A.K., Login E.V., Sokolova A.V. Improvement of the communication network monitoring system based on Data Science // Automation, communications, informatics. 2023. № 5. P. 12–15. DOI: 10.34649/AT.2023.5.5.002

Список источников

1. Мониторинг информационно-телекоммуникационных сетей // cyberleninka.ru: сайт. URL: https://cyberleninka.ru/article/n/monitoring-informatsionno-telekommunkatsionnyh-setey/viewer.

2. Наука о данных Data Science // www.tadviser.ru: сайт. URL:  https://www.tadviser.ru/index.php/Статья:Наука_о_данных_(Data_Science).

3. Granville V. 40 techniques used by data scientists // Data Science Central : a Community for Big Data Practitioners. 2016. Apr. 7. URL: https:// www.datasciencecentral.com/40-techniques-used-by-data-scientists/.

4. Что такое «анализ временных рядов»?// www.megaputer.com [Электронный ресурс]: https://www.megaputer.com/ru/what-is-time-series-analysis/.

5. Салихов М. Логит-регрессия в R // RPubs.com: сайт. URL: https://rpubs.com/smarcel/logit.

6. Шагалова П.А., Ляхманов Д.А. Нейросетевые технологии в решении задач прогнозирования // Современные проблемы науки и образования. 2014. № 6. URL. https://science-education.ru/ru/article/view?id=16494& ysclid=legyrjz7em208729455.

7. Эрдниева Н.С. Использование искусственных нейронных сетей для прогнозирования показателей эффективности передачи сообщений мультипроцессорной архитектуры // Вестник Саратовского государственного технического университета. 2013. Т 2, № 1 (70). С. 167–177.

8. Data science – наука о данных, как стать data scientist с нуля // Future2Day.ru: сайт. 2019. 25 окт. URL: https://future2day.ru/data-science/?ysclid=lefyv1nfni774037047.

© Москва «Автоматика, связь, информатика» 2023