Совершенствование системы мониторинга сети связи на основе Data Science

Главная
/
Архив номеров
/
2023
/
№5, 2023
/
Directions for improving the monitoring system of communication networks of JSC “Russian Railways” using forecasting methods based on 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. 1215. 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

398703_1357
издается с 1923 г.
Актуально.
Достоверно. Доступно.
Главное меню
Наши контакты
129272, Москва,
Рижская площадь, д.3
Свяжитесь с нами любым удобным способом
Звоните по номеру
Мы  находимся по адресу:
129272, Москва,
Рижская площадь, д.3
Электронная почта:
Скрытое поле:
Оставить заявку
это поле обязательно для заполнения
Ваше имя*
это поле обязательно для заполнения
Ваша почта*
это поле обязательно для заполнения
Ваш телефон:*
это поле обязательно для заполнения
Область ввода:*
это поле обязательно для заполнения
Политика*
Спасибо! Форма отправлена