Дискриминантный подход к обнаружению аномалий с использованием марковских последовательностей

от

А.В. Скатков1, А.А. Брюховецкий1, Д.В. Моисеев1, Ю.Е. Шишкин1,2

 1Севастопольский государственный университет, РФ, г. Севастополь, ул. Университетская, 33

  E—mail: dmitriymoiseev@mail.ru

2Институт природно-технических систем, РФ, г. Севастополь, ул. Ленина, 28

DOI: 10.33075/2220-5861-2019-4-43-49

УДК 681.3

Реферат:

     В работе описаны дискриминантный подход и реализующая его программная система обнаружения аномальностей процессов, протекающих в экосистеме акватории на основе Марковской модели. Приведены условия и результаты статистического имитационного эксперимента с целью сравнения достоверности аналитической и имитационной модели и определения контрольно-предупредительных границ для принятия решений по наличию аномальностей. Для решения задачи обнаружения аномальностей процессов по данным мониторинга акватории предложен адаптивный метод, базирующийся на дискретном вейвлет-разложении данных наблюдений и статистическом алгоритме обнаружения. Для адаптации вейвлет-преобразования к задаче выявления аномальностей процессов по данным мониторинга предложено использовать метод скользящего окна.

     Суть предложенного дискриминантного подхода состоит в сравнении двух матриц переходных вероятностей – построенных по аналитической и имитационной модели, далее оперируя матрицей аналитической модели можно найти матрицу финальных вероятностей, это будет вектор, зависящий от числа шагов моделирования. Согласно дискриминантному подходу сравниваются матрицы переходных вероятностей, оценивается разница между ними по критериям максимального различия элементов и если оно по модулю больше чем заданная экспертом граница, то матрицы считаются отличающимися, это порог критического принятия решения – управляемая величина. Значения параметров среды, наблюдаемые в таких переходных состояниях, обозначаются как контрольно-предупредительные границы принятия решения.

     Разработка интеллектуальной технологии обнаружения аномалий состояний экосистем акватории г. Севастополя, базирующейся на применении предложенного подхода, приведет к повышению обоснованности, надежности, достоверности и оперативности процессов поддержки принятия решений по оценке экологического состояния среды.

Ключевые слова: имитационное моделирование, аномалии, мониторинг акватории, обнаружение аномалий, Марковская модель, вейвлет-разложение.

Для цитирования пройдите по ссылке DOI и используйте опцию Actions-Cite или скопируйте:

[IEEE] А.В. Скатков, А.А. Брюховецкий, Д.В. Моисеев, Ю.Е. Шишкин, “ДИСКРИМИНАНТНЫЙ ПОДХОД К ОБНАРУЖЕНИЮ АНОМАЛИЙ С ИСПОЛЬЗОВАНИЕМ МАРКОВСКИХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ,” Системы контроля окружающей среды, вып. 4, с. 43–49, декабрь 2019.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ 

  1. Экологические основы управления природно-техническими системами / Под ред. М.П. Федорова. СПб.: Изд-во Политех. Ун-та, 2007. 506 с.
  2. Основные источники загрязнения морской среды Севастопольского региона / Е.И. Овсяный, А.С. Романов, Р.Я. Миньковская [и др] // Экологическая безопасность прибрежной и шельфовой зон и комплексное использование ресурсов шельфа. Севастополь: ЭКОСИ-Гидрофизика, 2001. С. 138–152.
  3. Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Интеллектуальная система мониторинга для решения крупно-масштабных научных задач в облачных вычислительныхсредах // Информаци-онно-управляющие системы. 2017. № 2 (87). С. 19–25.
  4. E.Н. Мащенко, Ю.П. Нюнькина. Подход к виртуализации данных систем мониторинга многомерных объектов // Системы контроля окружающей среды – 2016 / Тезисы докладов Международной научно-технической конф. Севастополь, 24–27 октября 2016 г. Севастополь: ИПТС. 2016. С. 70.
  5. Ю.В. Доронина, В.О. Рябовая. Развитие метода реструктуризации информационных систем экологического мониторинга на основе анализа вариантов их реализации // Системы контроля окружающей среды – 2016 / Тезисы докладов Международной научно-технической конф. Севастополь, 24–27 октября 2016 г. Севастополь: ИПТС. 2016. С. 64.
  6. Брюховецкий А.А., Скатков А.В., Шишкин Ю.Е. Моделирование процессов обнаружения аномалий в сложноструктурированных данных мониторинга // Системы контроля окружающей среды. Севастополь: ИПТС. 2017. Вып. 9 (29). С. 45–49.
  7. Шишкин Ю.Е., Скатков А.В. Информационные технологии обнаружения аномалий в мониторинговых наблюдениях: монография. Симферополь: ИТ «АРИАЛ». 2019. 368 с.
  8. Трухаев Р.И. Модели принятия решений в условиях неопределенности. М.: «Наука». 1981. 258 с.
  9. Шелухин О. И., Панкрушин А. П. Оценка достоверности обнаружения аномалий сетевого трафика методами дискретного вейвлет-анализа // T-Comm: Телекоммуникации и транспорт. 2013. Т. 7. № 10. С. 110–115.

Loading