Статья

Название статьи СПОСОБ МОНИТОРИНГА С ПРОГНОЗИРОВАНИЕМ СОСТОЯНИЯ ДАТЧИКОВЫХ СЕТЕЙ НА ОСНОВЕ СТАТИСТИКИ
Автор Д. А. Беспалов, А. С. Болдырев
Рубрика РАЗДЕЛ IV. КОНТРОЛЬ И УПРАВЛЕНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ
Месяц, год 03, 2018
Индекс УДК 004.075
DOI
Аннотация В современном мире становится все больше источников данных, которые используются в распределенных системах для решения задач анализа, управления и оповещения. Они имеют различную физическую природу и степень сложности. Примером таких источников для интеллектуальных систем являются датчики и датчиковые сети. Данная статья посвящена разработке способа мониторинга датчиковых сетей на основе статистик для решения задачи обнаружения аномалий и прогнозирования. В основе предложенного способа лежит метод экспоненциального сглаживания с применением разномасштабных статистик. Теоретические предпосылки работы опираются на интерпретацию поведения объекта как системы с нормальными и аномальными участками работы, оцениваемыми по показаниям сети датчиков. При этом, как входные, так и выходные временные ряды параметров могут быть интерпретированы как аппроксимации с определенной точностью, а также с нулевой изменчивостью или наличием артефактов поведения. Эффективность применения такого подхода для систем охраны периметра, предупреждения проникновения на охраняемую территорию или повышения уровня опасности в некоторой области определяется возможностью предварительной оценки угрозы на месте и выдаче соответствующего оповещения на центральный узел распределенной системы. В связи с этим, в данной статье также приводится структура разрабатываемой и внедряемой распределенной информационной системы мониторинга с предсказанием, выполненной с соблюдением современной концепции микросервисов, применением современных программных технологий и специализированных баз данных. Подобная система является масштабируемой как по горизонтали, так и по вертикали, что делает ее эффективной для практического применения. Новизна данного подхода заключается в применении нестандартного алгоритма предсказания для анализа сигналов датчиковых систем и в комбинации его с методом предварительной обработки данных средствами вейвлет-анализа.

Скачать в PDF

Ключевые слова Датчиковые сети; статистика; аномалия; предсказание; тренд; сглаживание; ряд.
Библиографический список 1. Boldyreff A.S., Bespalov D.A., Adzhiev A.K. Automated information-analytical system for thunderstorm monitoring and early warning alarms using modern physical sensors and information technologies with elements of artificial intelligence // Proceedings of SPIE. "Autonomous Air and Ground Sensing Systems for Agricultural Optimization and Phenotyping II".
– 2017. – P. 102180P.
2. Беспалов Д.А. Предварительная обработка временных рядов параметров в задаче обнаружения аномалий в работе информационных систем, использующих пластиковые карты // Известия ЮФУ. Технические науки. – 2017. – № 5-6 (190-191). – C. 48-65.
3. Беспалов Д.А., Ананьев А.А. Способ обнаружения аномалий в работе информационных систем, использующих пластиковые карты // Известия ЮФУ. Технические науки.
– 2017. – № 5-6 (190-191). – C. 38-48.
4. Helge Brügner. Holt-Winters Traffic Prediction on Aggregated Flow Data. Network Architectures and Services, September 2017. Seminars FI / IITM SS 17. – P. 25-32.
5. Bermúdez J.D., Segura J.V. & Vercheri E. Bayesian forecasting with the Holt–Winters model // Journal of the Operational Research Society. – 2010. – Vol. 61. – P. 164-171.
6. Gelper S., Fried R. & Croux C. Robust forecasting with exponential and Holt-Winters smoothing // Journal of Forecasting. – 2010. – Vol. 29. – P. 285-300.
7. Adzhiev Anatoly Kh., Boldyrev Anton S., Bolgov Yuriy V., Manfred Wendisch, Bondareva Olga. V. Advanced remote sensing of thunderstorm events and atmospheric electric field // Proceedings of SPIE "Remote Sensing of Clouds and the Atmosphere XXII" 2017. – P. 104240M.
8. Boldyrev A.S., Boldyreva K.A. Modeling of the Electric Field near the Surface Layer under Strong Turbulent Mixing. Geophysical Research Abstracts. Vol. 17, EGU General Assembly, 2015.
9. Adzhiev A.Kh., Boldyreff A.S., Kazakova S. Method of Thunderstorm Activity Monitoring Using Lightning Sensors and Electric Field Mills. Geophysical Research Abstracts. Vol. 17, EGU General Assembly, 2015.
10. Adzhiev Anatoly, Boldyreff Anton, Kuliev Dalhat, Kondratyeva Natalia and Chochayev Khizir. Characteristics of Thunderstorm Activity and Parameters of Lightning in the South of Russia // European Conference on Severe Storms 2015 14;18 September 2015, Wiener Neustadt, Austria ECSS2015-91.
11. John Shahid. InfluxDB Documentation. Release 4.1.1. Sep. 13, 2017. – 21 p.
12. Syeda Noor Zehra Naqvi. Sofia Yfantidou. Time Series Databases and InfluxDB. Universite libre de Bruxelles. Advanced Databases Winter Semester 2017-2018. December 17, 2017. – 41 p.
13. Andrew Lahiff. Monitoring with InfluxDB and Grafana. STFC RAL. HEPiX 2015 Fall Workshop, BNL. UK Computing for Particle Physics. 2015. – 30 p.
14. Josiah L. Carkson. Redis in Action. Manning Publications. Shelter Island. 2013. – 322 p.
15. Wes McKinney. Python for Data Analysis. – OReilly Media, Inc, 2013. – 470 p.
16. Jake VanderPlas. Python Data Science Handbook. – OReilly Media, Inc, 2017. – 548 p.
17. Arnaud Beck. Data analysis with python. Laboratoire Leprince-Ringuet, École Polytechnique, CNRS/IN2P3.
18. Joel Grus. Data science from scratch. – OReilly Media, Inc, 2015. – 464 p.
19. Edouard Duchesnay, Tommy Lofstedt. Statistics and Machine Learning in Python. Release 2. Jun 22, 2018. – 201 p.
20. Allen B. Downey. Think Stats. Green Tea Press, Needham, Massachusetts. 2014. – 264 p.
21. Малла С. Вэйвлеты в обработке сигналов. – М.: Изд-во Мир, 2005. – 672 с.

Comments are closed.