А.В. Скатков, А.А. Брюховецкий, Д.В. Моисеев
Севастопольский государственный университет, РФ, г. Севастополь, ул. Университетская, 33
E-mail: dmitriymoiseev@mail.ru
DOI: 10.33075/2220-5861-2021-2-119-130
УДК 004.56
Реферат:
Состояние окружающей среды это неотъемлемый, ключевой компонент обобщенной категории качества жизни населения. В связи с этим возникает объективная потребность разработки методов и средств, предназначенных для реализации системы непрерывного мониторинга ключевых показателей окружающей среды и прогнозирования возникновения аномальных состояний экосистем. В настоящей работе рассматривается подход к мультивариантной классификации состояний природно-технических объектов и систем, основанный на развитии методов динамического обнаружения аномалий в информационных потоках данных. Подход базируется на основе оценки статистического расхождения между распределениями вероятностей случайных величин за вариантно изменяемые временные промежутки, а также оценки вероятностей ошибок первого и второго рода.
Предложена структура многоканального программно-измерительного комплекса обнаружения аномальных состояний природно-технических объектов и природно-технических систем, приведены результаты модельных расчетов. Предполагается, что имеется возможность первоначально сформировать эталонные варианты состояний природно-технических объектов и природно-технических систем исходя, например, из экспертных оценок или априорной информации. Применение мультивариантного подхода позволяет оптимизировать процессы обработки, анализа, интеграции гетерогенных данных. Полученные результаты исследования подтверждают устойчивость и чувствительность метода при выборе пороговых значений интервалов, определяющих состояния объектов.
Данная модель может применяться в других предметных областях, где требуется оценка динамических параметров контролируемых объектов, например, при обнаружении уязвимостей интерфейсов беспилотных транспортных средств в инфраструктуре умного города.
Ключевые слова: обнаружение аномалий, мультивариантная модель, статистические оценки, аппроксимирующая функция, ошибки первого и второго рода.
Для цитирования: Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Мультивариантный многоканальный программно-измерительный комплекс обнаружения аномальных состояний природно-технических объектов и систем // Системы контроля окружающей среды. 2021. Вып. 2 (44). C. 119-130.
СПИСОК ЛИТЕРАТУРЫ
- Гайский В.А., Гайский П.В. Многомерный гармонический анализ Фурье при измерениях полей морской среды // Системы контроля окружающей среды. 2019. № 4 (38). С. 33–42.
- Брюховецкий А.А., Скатков А.В., Шишкин Ю.Е. Моделирование процессов обнаружения аномалий в сложноструктурированных данных мониторинга // Системы контроля окружающей среды. 2017. № 9 (29). С. 45–49.
- Аэрокосмический мониторинг объектов нефтегазового комплекса / под ред. акад. В.Г. Бондура. М.: Научный мир, 2012. 558 с.
- Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Интеллектуальная система мониторинга для решения крупномасштабных научных задач в облачных вычислительных средах // Информационноуправляющие системы. 2017. № 2 (87). С. 19–25.
- Chandola V., Banerjee A., Kumar V. Anomaly detection: a survey // ACM Computing Surveys, 09 2009. P. 1–72.
- Chan P.K., Mahoney M.V. Modeling multiple time series for anomaly detection // In Proceedings of the Fifth IEEE International Conference on Data Mining. IEEE Computer Society, Washington, USA, 2005. P. 90–97.
- Agarwal D. Detecting anomalies in cross-classified streams: a bayesian approach // Knowledge and Information Systems. 2006. Vol. 11, № 1. P. 29–44.
- Charikar M., Chekuri C., Feder T., and Motwani R. Incremental clustering and dynamic information retrieval // SIAM Journal on Computing. 2004. Vol. 33, No. 6. P. 1417–1440.
- Кульбак С. Теория информации и статистика. М.: Наука, 1967. 408 с.
- Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Мера Кульбака в задачах динамической кластеризации наблюдений состояния окружающей среды // Системы контроля окружающей среды. 2019. № 3 (37). С. 35–38.
- Orlov S.P., Vasilchenko A.N. Intelligent measuring system for testing and failure analysis of electronic devices // 2016 XIX IEEE International Conference on Soft Computing and Measurements (SCM). IEEE Conference Publications. 2016. Vol. 1. P. 401–403.
- Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Адаптивный метод обнаружения уязвимостей интерфейсов беспилотных транспортных средств в инфраструктуре умного города // Инфокоммуникационные технологии. 2020. Т. 18. № 1. С. 45–50.