Исследование трафика ОКС №7 и разработка методики его прогнозирования

Актуальность темы

исследования. Эффективность работы телекоммуникационной сети непосредственно зависит от способа построения и функционирования сети передачи сигнальной информации. Таким образом, являясь средством доставки сигнальной информации между элементами телекоммуникационной сети в процессе предоставления услуги, сеть общеканальной сигнализации должна обеспечивать гарантированную доставку сигнальной информации для различных подсистем пользователей, посредством сокращения времени доставки сообщений и защиты от любого типа отказов. Оптимальность сети сигнализации определяется затратами на построение сети, на которые влияют такие показатели качества функционирования как интенсивность сигнальной нагрузки, обслуживаемой звеньями сигнализации, среднее время и дисперсия задержки сообщений в звене сигнализации.

Анализ эффективных классических методов расчета времени ожидания в очереди сигнальных сообщений на основании статистической обработки информации работающего звена сигнализации показывает затрудненность получения адекватной оценки времени ожидания в очереди в звене сигнализации. Кроме того, существующие алгоритмы прогнозирования начала перегрузки, такие как WWG 8620 SS7 Signaling Surveillance System, MasterQuesr, GeoProbe «Inet», Spider [60], не позволяют динамически и в реальном времени оповещать о приближении к заданному порогу перегрузки.

Анализ задач, связанных с необходимостью динамического прогнозирования сетевых характеристик сети сигнализации, показал, что для решения поставленной задачи следует использовать нейросетевые методовы прогнозирования.

Задача построения прогноза типична для нейронных сетей. Но трудность их использования состоит в выборе способа представления входных данных и подходящей архитектуры нейронной сети для прогнозирования временного ряда.

Эти обстоятельства характеризуют противоречие между эффективными методами прогнозирования характеристик сети сигнализации и отсутствием в них динамической подстройки параметров, которая позволяла бы оперативно реагировать на приближение порога перегрузки. Преодоление этих противоречий позволяет в процессе работы звена сигнализации контролировать характеристики сети сигнализации, что приводит к повышению качества обслуживания.

Целью данной диссертационной работы является развитие методов расчета и прогнозирования характеристик сети ОКС № 7. Использование методов прогнозирования позволит более эффективно решать задачи обеспечения требуемого качества обслуживания пользователей.

Для достижения поставленной цели необходимо решить следующие задачи:

1. сравнить результаты расчета характеристик ОКС № 7 при использовании различных моделей с реальными данными действующих сетей с целью адекватного описания процессов, происходящих в звене сигнализации.

2. Разработать методику и практические рекомендации для кратковременного прогнозирования сигнального трафика с использованием аппарата нейронных сетей.

3. Определить набор параметров и разработать структуру нейронной сети для эффективного динамического контроля времени ожидания сигнальных сообщений в очереди.

В первой главе диссертации по данным отечественной и зарубежной литературы проводится обзор методов расчета характеристик сети сигнализации. Показано, классически методы расчета характеристик сети, обеспечивающие качество доставки информации, рекомендованное МСЭ-Т, дают оптимистические результаты и приводят к недооценке величины трафика. Кроме того, аналитические модели дают количественную оценку времени задержки сигнального сообщения и не позволяют динамически отслеживать ее изменения.

Вторая глава диссертации посвящена разработке и развитию базовых методов и алгоритмов расчета характеристик сигнальной сети.

При анализе вероятностно-временных характеристик звено сигнализации представляется как однолинейная система. Важной характеристикой потока сигнальных сообщений является закон распределения промежутков между соседними вызовами.

Оценка характера закона1 распределения входящего< потока проводится на основании статистических данных работающего звена сигнализации с использованием аппарата математической статистики.

Использование системы массового обслуживания, в которой учитывается характер распределения интервалов времени между поступлениями сообщений, позволяет получить более точные оценки времени доставки сигнальной единицы и область допустимых значений нагрузки, при которых обеспечивается качество обслуживания, чем получаемые при использовании марковских моделей. Для уточнения закона распределения входящего потока сигнальных единиц в работе проводится сравнение результатов экспериментальных исследований и теоретического расчета.

В третьей главе диссертационной работы описана методика прогнозирования времени ожидания в очереди сигнальных единиц, основанная на применении аппарата нейронных сетей.

На величину среднего времени ожидания сигнальной единицы в очереди влияют такие факторы, как степень загрузки звена сигнализации, распределение интервалов между поступлением сигнальных единиц, структурный состав сигнальных единиц в потоке. Кроме этого, классические математические методы требуют от проектировщиков знания множества фактических статистических данных реального трафика и не учитывают динамику их изменения.

Для того, чтобы решить задачу прогнозирования изменения времени ожидания в очереди в диссертации предлагается после обработки статистических данных извлекать из них следующую информацию:

• долю длинных сигнальных единиц в потоке;

• долю интервалов между поступлением сигнальных сообщений, принимающих значения меньше среднего интервала;

• отношение средней длительности интервала между поступлением к средней длительности обслуживания сигнальных сообщений;

• интенсивность загрузки звена сигнализации.

Для решения задачи прогнозирования времени ожидания сигнальных сообщений в очереди была построена нейронная сеть, обученная алгоритмом Левенберга-Марквардта. Выбор данного алгоритма обусловлен тем, что он позволяет формальным образом «обучить» нейронную сеть прогнозированию изменения требуемой величины на основе ретроспективных данных о самой величине.

В четвертой главе диссертационной работы описана методика краткосрочного прогнозирования сигнального трафика, основанная на применении аппарата нейронных сетей.

Результаты прогнозирования трафика с использованием нейронных сетей сравниваются с данными работающего звена сигнализации, в котором контролируется начало перегрузки. Использование методов прогнозирования нагрузки в звене сигнализации позволяет администратору сигнальной сети получать оперативные данные о приближении нагрузки к установленному ранее порогу перегрузки и предотвратить нежелательные затраты ресурсов протокола третьего уровня реагирования на начавшуюся перегрузку.

В момент фиксации перегрузки не гарантируется доставка сигнальной информации с заданной задержкой. При этом протокол третьего уровня МТР может реагировать на начавшуюся перегрузку в данном звене путем перераспределения поступающих сигнальных сообщений по другим звеньям и маршрутам, что приводит к дополнительным накладным расходам, а значит к пониженной пропускной способности сигнальной сети.

Научная новизна результатов диссертационной работы заключается в следующем:

1. Разработана методика прогнозирования времени ожидания сигнальных сообщений в очереди, использующая аппарат нейронных сетей.

2. Предложена методика оперативного контроля величины сигнального трафика в процессе работы звена сигнализации на основе концепции нейронных сетей.

3. Разработана комбинированная нейронная сеть с использование сети Кохонена, позволяющая определить структурный состав обучающей выборки, для исключения ошибочного обучения нейронной сети на некорректных данных.

4. Показана невозможность использования пуассоновских моделей для расчета среднего времени ожидания сигнальных сообщений в очереди.

Практическая значимость работы заключается в том, что в ней предложены алгоритмы и методы, которые позволяют отследить динамическое изменение параметров сигнального трафика в реальном масштабе времени.

На защиту выносятся:

1. Результаты статистического анализа сигнального трафика работающего звена сигнализации.

2. Математическая модель звена сигнализации, учитывающая характер обслуживания сигнальных сообщений.

3. Методика аналитического расчета среднего времени ожидания в очереди сигнальных единиц и сравнительный анализ с результатами имитационного моделирования.

4. Методика прогнозирования времени ожидания сигнальных сообщений в очереди, основанная на применении аппарата нейронных сетей.

5. Результаты краткосрочного прогнозирования величины сигнальной нагрузки на основе комбинированной нейронной сети с использованием сети Кохонена.

4.6 Выводы.

• В данной главе предложено в эксплуатируемой сети предложена методика прогнозирования изменения сигнального трафика.

• Исследовано влияние алгоритма обучения нейронной сети на точность прогнозирования сигнального трафика.

• Предложена схема управления сигнальным трафиком в процессе работы звена сигнализации.

• Полученные результаты позволяют динамически отслеживать изменение величины сигнального трафика в эксплуатируемой сети и оперативно реагировать на приближение порога перегрузки. Комбинированная нейронная сеть с использование сети Кохонена позволяет определить структурный состав обучающей выборки для исключения ошибочного обучения нейронной сети на некорректных данных.

Заключение

.

Диссертационная работа посвящена вопросам повышения точности прогнозирования сетевых характеристик ОКС№ 7 на основе применения нейронных сетей.

В ходе исследований, проведенных в рамках диссертационной работы, получены следующие основные результаты:

1. Проведенный статистический анализ сигнального трафика звена сигнализации показал, что закон распределения интервалов между поступлением сообщений нельзя однозначно описать никаким из известных теоретических распределений. Кроме того, установлено, что трафик не обладает свойством самоподобия.

2. Для краткосрочного прогнозирования сигнального трафика предложена комбинированная нейронная сеть с использование сети Кохонена. Использование данного метода позволило определить структурный состав обучающей выборки для исключения ошибочного обучения нейронной сети на некорректных данных.

3. Предложена методика расчета основных параметров трафика в сети сигнализации, таких как среднее время ожидания сигнальной единицы в очереди и длина очереди в системе массового обслуживания G/G/1. Установлено, что математическая модель для пуассоновских входящих потоков является грубым приближением при описании реальных процессов в звене сигнализации. Результаты расчета подтверждены инструментами имитационного моделирования.

4. Разработана методика прогнозирования изменения времени ожидания в очереди с помощью аппарата нейронных сетей. Данная методика позволила динамически отслеживать изменения основных параметров трафика.

5. Предложена система контроля контроля порога начала перегрузки в буфере передачи звена сигнализации, что позволит администратору сигнальной сети получить оперативные данные о приближении нагрузки к установленному ранее порогу перегрузки и предотвратить нежелательные затраты ресурсов протокола третьего уровня реагирования на начавшуюся перегрузку.