Мультивариантный многоканальный программно-измерительный комплекс обнаружения аномальных состояний природно-технических объектов и систем

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.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

1. 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.
2. 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.
3. Аэрокосмический мониторинг объектов нефтегазового комплекса / под ред. акад. В.Г. Бондура. М.: Научный мир, 2012. 558 с.
4. 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.
5. Chandola V., Banerjee A., Kumar V. Anomaly detection: a survey // ACM Computing Surveys, 09 2009. P. 1–72.
6. 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.
7. Agarwal D. Detecting anomalies in cross-classified streams: a bayesian approach // Knowledge and Information Systems. 2006. Vol. 11, № 1. P. 29–44.
8. 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.
9. Кульбак С. Теория информации и статистика. М.: Наука, 1967. 408 с.
10. 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.
11. 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.
12. 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.