WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 ||

(Определение регрессионных коэффициентов взаимоэтап Такие задержки в простейшем случае можно рассматривать как одинавлияния факторов и удаление «нулевых» дуг и вершин с нулевой инцидентностью) ковые для всех факторов, определяемые из практических соображений, связанных с поставленной задачей. В этом случае моделируемые процессы приобретают характер временных рядов, когда каждое прогно зируемое значение любого фактора отстоит от его предыдущего значеИмитационное моделирование когнитивной модели (Установка базовых значений факторов и имитация на ния на величину t – интервала дискретизации, свойственного системе этап основе принципа « t » с учетом обратных связей и (так называемый принцип «t» в имитационном моделировании). Ввесходимости процессов) дение этого аспекта преобразует систему уравнений (1) в систему динамических процессов, анализ которых требует в общем случае использования методов имитационного моделирования. В этом состоит Анализ прогнозируемых значений факторов и интерпретретий этап исследования (см. рисунок 4). Этот этап должен демонсттация результатов моделирования рировать динамику развития РКМ, показывая хронологическую «борьэтап бу» тенденций для сигнальной формы графа.

Для РКМ, включающей фактор-вершину времени (t) система уравнений (1) преобразуется к следующему виду:

Рисунок 4. Этапы регрессионно-когнитивного моделирования i i = 1,n; j j = 1,n; exept i = j;

На первом этапе регрессионно-когнитивного моделирования n Ф = Фi + kФ Фj + kt t (2) происходит представление всех имеющихся факторов в виде когни i б Фi Фi j тивной карты, которая должна отражать общие представления о ситуа- j = ции в виде определенных семантических категорий, под которыми поj i нимаются признаки, факты, события, понятия, имеющие отношение к конкретной ситуации.

9 В общем случае линейная компонента для В работе был использован анализ биллингового файла для Fi(t)= kt Фi t прогнозирования объемов четырех видов услуг: международная связь многих ситуаций оказывается слишком упрощенной (недостоверной).

(М), местная связь (МС), передача данных (ПД) и Интернет (И) с учеПоэтому хронологический аспект РКМ целесообразно реализовать с том фактора времени, в качестве которого выступает месяц предостависпользованием обобщенной авторегрессии, которая связывает текуления услуги (Месяц).

щие значение фактора с предыдущим его значением - t), Фi(t) Фi(t Пример структуры полученного файла в системе PolyAnalyst, в а в более сложных случаях с предыдущими значениями:

которой будет реализован последующий анализ, представлен на рисунФi (t) = F[Фi(t - t),Фi (t - 2t),,Фi(t - kt)] ке 5, где значения по видам услуг отражены в рублях.

Здесь t-время, k – порядок авторегрессии. Ограничиваясь значениями k=1, систему хронологических взаимовлияний факторов можно представить следующей линейной моделью:

i i=1,n; j j=1,n; exept i= j;

n Ф (t)=Фiб+ kФjФi Фj(t-t) (3) i j= Здесь коэффициент kФj Фi определяет авторегрессию Фi (t) на Фi(t - t), реализуемую петлей обратной связи.

Общая постановка задачи целевого управления в рамках РКМ связана с выделением целевой вершины-фактора, значение которого желательно повысить, понизить или «вписать» в определенный диапаРисунок 5. Структура биллингового файла в системе зон значений. При этом структура РКГ остается прежней, а задача поPolyAnalyst иска заключается в таком подборе коэффициентов – дуг графа, при На рисунке 6 приведен когнитивный граф, иллюстрирующий котором реализуется желаемая цель.

возможные связи между услугами. Двунаправленные стрелки иллюстМетодология поиска решения в сочетании с РКМ в первую рируют взаимные влияния факторов друг на друга. Для количественочередь полезна для моделирования варианта принимаемого решения, ного анализа таких влияний, используется линейная регрессионная тактики или стратегии управления. Конструируемая модель поиска модель вида:

решения в совокупности с моделями РКМ позволит найти оптимальный вариант решения перехода от реального значения какого-либо И = Иб + kМИ М + kМСИ МС + kПДИ ПД + kМесяцИ Месяц;

фактора к желаемому, который может быть использован при принятии М = kИМ И + Мб + kМCМ МC+kПДМ ПД + kМесяцМ Месяц;

соответствующего решения.

МС = kИМС И + kММС М + МСб + kПДМС ПД + Глава 4 посвящена использованию предлагаемой методологии kМесяцМС Месяц;

РКМ для обработки реальных данных биллинговой системы. Здесь ПД = kИПД И + kМПД М + kМСПД МС + ПДб + получены конкретные результаты прогнозирования, на основе которых kМесяцПД Месяц..

компания-оператор может выстраивать свою работу более эффективно.

где Мб, Иб, МСб, ПДб – базовые объемы по видам услуг (своЦелью данной главы является анализ прогностических возможностей бодные члены регрессий), k – коэффициенты влияния. Например, kМИ регрессионно-когнитивного моделирования на предмет определения определяет влияние объемов международной связи на объемы услуг перспективности его использования для прогнозирования объемов теИнтернета.

лекоммуникационных услуг.

11 Результирующие значения базовых объемов и коэффициентов М МС сведены в таблицу 1, где по диагонали расставлены базовые объемы услуг, а в остальных клетках коэффициенты линейных связей.

Таблица 1. Регрессионные коэффициенты линейных связей и базовые значения полученной регрессионной модели.

ПД И И М МС ПД Месяц И 28704,3 – 0,092964 0,359721 0,0560489 М – 0,128943 114059 0,831809 0 -4651,Месяц МС 0,193472 0,320125 18804 – 0,0349213 2884,ПД 0,0398273 0 0 20869 -5312,Рисунок 6. Полносвязный граф, иллюстрирующий возможные Полученная регрессионно-когнитивная модель позволяет на связи между услугами с учетом фактора времени основе общей информации проводить прогнозирование объемов услуг Для построения модели РКМ при помощи системы PolyAnalyst с учетом временного фактора, т.е. появляется возможность прогнозиконструируются линейные регрессионные уравнения для каждой из рования величины той или иной услуги для любого месяца в году, на вершин графа, за исключением вершины «Месяц». Для этого анализикоторый необходимо сделать прогноз. Система (Иб, Мб, МСб, ПДб) руются данные биллинговой системы, поочередно задавая необходирассматривается как планируемые объемы услуг, реализуемые в опремую вершину и все факторы, от которых может зависеть целевой факделенный период времени.

тор.

На последующих рисунках приведены примеры перераспредеВ качестве примера на рисунке 7 представлен текстовый отчет ления услуг, отраженных при помощи графика Кивиата. Данные ривыполненного регрессионного анализа в системе PolyAnalyst для версунки иллюстрируют сочетание плановых объемов услуг (Иб, Мб, шины Интернет (И).

МСб, ПДб) и ожидаемых результатов такого планирования (И, М, МС, Из отчета для вершины «Интернет» видно, что на нее влияют ПД), предсказанных системой. Кроме того, на представленных ниже все виды услуг, но не влияет месяц предоставления услуги, причем рисунках отражены соответствующие суммарные объемы по всем винаибольшее положительное влияние оказывает «Местная связь», также дам услуг б = (Иб + Мб + МСб + ПДб) и = (И + М + МС + ПД).

положительная сила влияния и у «Передачи данных», а «МеждугородРисунок 8 иллюстрирует вариант, когда скрытые стационарняя связь» оказывает отрицательное влияние.

ные связи между объемами услуг в первом месяце увеличивают объем по сравнению с б, т.е. обеспечивают дополнительную прибыль за счет перераспределения плановых объемов по видам услуг. Здесь заявленный нулевой объем местной связи (МС) вызывает «перетекание» объемов Интернета (И) и междугородней связи (М) в местную связь, т.к. услуги И и М нуждаются в МС.

Рисунок 9 иллюстрирует обратную ситуацию, связанную с уменьшением по сравнению б. Кроме того, при тех же базовых значениях с учетом того, что прогнозирование проводится для девятого месяца, значения объемов И и М уменьшаются, что опять же связано с их физической зависимостью от МС. Также следует отметить, что объем услуги ПД с увеличением месяца также уменьшается, что может быть связанно с сезонной зависимостью этого фактора.

Рисунок 7. Текстовый отчет регрессионного анализа для вершины «Интернет» с учетом фактора «Месяц» 13 Заключение В заключении сформулированы результаты работы. Были решены следующие задачи:

- Обозначена необходимость эффективного управления телекоммуникационным трафиком с целью увеличения доходов оператора связи.

- Проведен анализ существующих биллинговых систем, рассмотрены возможности сбора и хранения информации о трафике.

- Осуществлен сравнительный анализ алгоритмов выявления скрытых закономерностей и предложен наиболее перспективный для анализа телекоммуникационного трафика.

- На основании выбранного алгоритма построена модель, апробированная на данных биллинговой системы оператора связи, и сделаны выводы о возможности управления трафиком с её помощью.

Публикации:

1. Кораблин М.А., Мелик-Шахназаров А.В., Салмин А.А. Методы регрессионно-когнитивного анализа в задачах прогнозирования Рисунок 8. Пример перераспределения услуг в январе данных биллинговой системы России. [Электронный документ] //Исследовано в России – С. 785-792 Режим доступа:

http://zhurnal.gpi.ru/articles/2005/075.pdf - 02.04.2. Кораблин М.А., Мелик-Шахназаров А.В., Салмин А.А. Регрессионно-когнитивные графы в задачах анализа биллинговых систем. // Информационные технологии, 2005,№ 8, стр. 35-3. Кораблин М.А., Мелик-Шахназаров А.В., Салмин А.А. Оценка лояльности клиентов телекоммуникационной компании на основе байесовского подхода. // Информационные технологии, 2006,№ 4, стр. 63-4. Кораблин М.А., Мелик-Шахназаров А.В., Салмин А.А. Байесовский подход для оценки лояльности клиентов телекоммуникационной компании. // Инфокоммуникационные технологии, 2006, том 4, № 2, стр. 85-5. Львов А.А., Мелик-Шахназаров А.В. Биллинг как организация бизнеса // Инфокоммуникационные технологии 2005.- с.42-6. Мелик-Шахназаров А.В. Место аналитического CRM в потоке различных решений и модулей управления взаимоотношениями с клиентами телекоммуникационной компании // Материалы VII международной научно-технической конференции "Проблемы техники и технологии телекоммуникаций", Самара, ПГАТИ, 20-Рисунок 9. Пример перераспределения услуг в сентябре.

ноября 2006, с.162- 15

Pages:     | 1 ||






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»