№ 6 (66)
Permanent URI for this collection
Browse
Browsing № 6 (66) by Author "Пахомова, Вікторія Миколаївна"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Item Прогнозування обсягу мережевого трафіка в інформаційно-телекомунікаційній системі придніпровської залізниці на основі нейронечіткої мережі(Дніпропетровський національний університет залізничного транспорту імені академіка В. Лазаряна, Дніпро, 2016) Пахомова, Вікторія МиколаївнаUK: Мета. Постійне збільшення обсягу мережного трафіка в інформаційно-телекомунікаційній системі (ІТС) Придніпровської залізниці призводить до необхідності визначення в реальному часі перевантаження в мережі та здійснення контролю потоків даних. Одним із можливих рішень є метод прогнозування обсягу мережного трафіка (вхідного та вихідного) з використанням нейромережної технології, що дозволить уникнути перевантаження сервера та підвищити якість послуг. Методика. В роботі виконані аналіз існуючого мережного трафіка в ІТС Придніпровської залізниці та підготовка вибірок: навчальної, тестової, контрольної, а також створення в програмі Matlab нейронечіткої мережі (гібридної системи) та організація на відповідних вибірках таких етапів: навчання, тестування, аналіз адекватності прогнозу. Результати. Для фрагмента (Дніпропетровськ – Київ) в ІТС Придніпровської залізниці здійснений прогноз (на добу вперед) обсягу мережного трафіка на основі гібридної системи, що створена в програмі Matlab; значення MAPE складає: 6,9 % для обсягу вхідного трафіка; 7,7 % для обсягу вихідного трафіка. Виявлено, що середня похибка навчання гібридної системи зменшується при збільшенні: кількості входів (від 2 до 4); кількості термів (від 2 до 5) вхідної змінної; потужності навчальної вибірки (від 20 до 100). Значний вплив на середню похибку навчання гібридної системи має кількість термів її вхідної змінної. Визначено, що найменше значення середньої похибки навчання надає чотири-вхідна гібридна система, більш точно здійснюється навчання нейронечіткої мережі за гібридним методом. Наукова новизна. Отримані залежності середньої похибки навчання гібридної системи прогнозування обсягу мережного трафіка фрагмента (Дніпропетровськ–Київ) в ІТС Придніпровської залізниці від: кількості її входів, кількості термів вхідної змінної, потужності навчальної вибірки за різними методами навчання. Практична значимість. Прогнозування обсягу мережного трафіка в ІТС При- дніпровської залізниці дозволить в реальному часі визначити перевантаження в мережі та здійснити контроль потоків даних.