Прогнозування часу доставки даних в ІТС залізничного транспорту з використанням нейронечіткої технології

Simple item page
dc.contributor.authorПахомова, Вікторія Миколаївнаuk_UA
dc.date.accessioned2023-07-14T07:33:49Z
dc.date.available2023-07-14T07:33:49Z
dc.date.issued2022
dc.descriptionВ. Пахомова: ORCID 0000-0002-0022-099uk_UA
dc.description.abstractUKR: Запропонована модифікація структури інтегрованої системи маршрутизації в інформаційно-телекомунікаційної системи (ІТС) залізничного транспорту, основу якої складають нейронечіткі мережі (ННМ), додаванням ННМ0 (для прогнозування затримки на маршрутизаторі), на вхід якої подаються затримки за попередні п’ять часових проміжків, та ускладненням ННМ1 (для прогнозування часу доставки даних за маршрутом), на вхід якої подаються наступні параметри: кількість проміжних маршрутизаторів, що складають маршрут (10 терм); інтенсивність трафіка (3 терми); сумарна затримка на маршрутизаторах (3 терми); довжина пакета (3 терми). Відповідні вибірки сформовані на основі створеної в Opnet Modeler імітаційної моделі мережі розглянутого фрагменту ІТС залізничного транспорту, для якого здійснений прогноз часу доставки даних за двома маршрутами його проходження (найдовшого та найкоротшого) на основі ННМ0 та ННМ1 конфігурацій 5-10-32-32-1 та 4-19-30-30-1 відповідно, що створені в MatLAB. Проведено дослідження похибки ННМ1 при різних функціях належності та за різними методами оптимізації навчання. Виявлено, що найменше значення середньої похибки надає ННМ1 при Гаусової функції належності за гібридним методом.uk_UA
dc.description.abstractENG: Modification of the structure of the integrated routing system in the information and telecommunication system (ITS) of railway transport is proposed, which is based on neurofuzzy networks (NFN), by adding NFM0 (for predicting the delay on the router), at the input of which delays for the previous five time periods are given, and complication NFN1 (for predicting the time of delivery of data along the route), the input of which the following parameters are submitted: the number of intermediate routers that make up the route (10 terms); traffic intensity (3 terms); total delay on routers (3 terms); package length (3 terms). The corresponding samples are formed on the basis of the simulation model of the network created in Opnet Modeler of the considered fragment of the ITS of railway transport, for which the forecast of the time of data delivery along two routes of its passage (the longest and shortest) is carried out on the basis of NFN0 and NFN1 configurations 5-10-32-32-1 and 4-19-30-30-1, respectively, created in MatLAB. The study of the error NFN1 with different functions of affiliation and different methods of optimization of learning is carried out. It is revealed that the smallest value of the average error is given by NFN1 with the Gaussian function of belonging by the hybrid method.en
dc.identifier.citationПахомова В. М. Прогнозування часу доставки даних в ІТС залізничного транспорту з використанням нейронечіткої технології. International Conference on Innovative Solutions in Software Engineering (ICISSE) : Conf. Proc., Nov. 29–30, 2022, Ivano-Frankivsk, Ukraine. Ivano-Frankivs, 2022. Р. 238–242.uk_UA
dc.identifier.urihttp://eadnurt.diit.edu.ua/jspui/handle/123456789/17273
dc.language.isouk_UA
dc.publisherПрикарпатський національний університет імені Василя Стефаника, Івано-Франківськuk_UA
dc.subjectІТСuk_UA
dc.subjectпрогнозуванняuk_UA
dc.subjectмаршрутизаторuk_UA
dc.subjectзатримкаuk_UA
dc.subjectімітаційна модельuk_UA
dc.subjectнейронечітка мережаuk_UA
dc.subjectконфігураціяuk_UA
dc.subjectфункція належностіuk_UA
dc.subjectметод оптимізаціїuk_UA
dc.subjectпохибкаuk_UA
dc.subjectITSen
dc.subjectpredictionen
dc.subjectrouteren
dc.subjectlatencyen
dc.subjectsimulation modelen
dc.subjectneurofuzzy networken
dc.subjectconfigurationen
dc.subjectmembership functionen
dc.subjectoptimization methoden
dc.subjecterroren
dc.subjectКЕОМuk_UA
dc.titleПрогнозування часу доставки даних в ІТС залізничного транспорту з використанням нейронечіткої технологіїuk_UA
dc.title.alternativePrediction of Data Delivery Time to Rail ITS using Neurofuzzy Technologyen
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Pakhomova.pdf
Size:
664.59 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Статті КЕОМ