JBT Journal
Advanced

Raqamli Transformatsiya va Sun’iy Intellekt

МЕТОД КОРРЕКЦИИ РЕЗУЛЬТАТОВ ПРОГНОЗИРОВАНИЯ ОТКАЗОВ В ВОЛОКОННО-ОПТИЧЕСКИХ СИСТЕМАХ ПЕРЕДАЧИ ИНФОРМАЦИИ

Жураева Нафиса Иноятовна1

1 Каршинский государственный технический университет

Keywords

мониторинг состояния предиктивная диагностика волоконно-оптические системы передачи информации прогнозирование отказов

Abstract

В статье рассматривается метод коррекции результатов прогнозирования отказов в волоконно-оптических системах передачи информации, основанный на совместном применении мониторинга состояния оборудования, анализа эксплуатационных данных и алгоритмов машинного обучения. Рассмотрены существующие подходы к прогнозированию отказов по журналам аварийных событий и изменениям диагностических параметров. Предлагаемый метод включает сбор и предварительную обработку данных, формирование статистических и временных признаков, оценку регрессионных моделей и прогнозирование времени до возникновения отказа. Отличительной особенностью подхода является механизм самоанализа, при котором прогнозируемые значения сопоставляются с фактическими наблюдениями, а при превышении порогов ошибок выполняется корректировка гиперпараметров либо выбор другого алгоритма. Представлено качественное сопоставление прогнозов до и после коррекции, свидетельствующее о более близком соответствии расчётных и фактических значений. Рассмотрены возможности применения метода для адаптивной диагностики, своевременного предупреждения персонала и планирования профилактического обслуживания волоконно-оптических сетей. Предлагаемый подход ориентирован на повышение устойчивости прогнозирования при поступлении новых данных и изменении условий работы системы.

Views: 52 Published: 2026-10-28 Pages: 118-123 Volume: 4 Issue: 5-Special-Issues

References

  1. Zhilong Wang, Min Zhang, Danshi Wang, Chuang Song, Min Liu, Jin Li, Liqi Lou, and Zhuo Liu, "Failure prediction using machine
  2. https://worldwide.espacenet.com/patent/search?q=pn%3DCN117221142A
  3. J. Zhong, W. Guo and Z. Wang, "Study on network failure prediction based on alarm logs," 2016 3rd MEC International Conference on Big Data and Smart City (ICBDSC), Muscat, Oman, 2016, pp. 1-7, doi: 10.1109/ICBDSC.2016.7460337
  4. C. Zhang et al., "Potential failure cause identification for optical networks using deep learning with an attention mechanism," in Journal of Optical Communications and Networking, vol. 14, no. 2, pp. A122-A133, February 2022, doi: 10.1364/JOCN.438900.
  5. Davronbekov D., Jurayeva N. Telekommunikatsiya tarmog‘ida o‘zini tahlil qilish bilan nosozliklarni bashoratlash usuli: ixtiro patent. – O‘zbekiston Respublikasi Adliya vazirligi; ro‘yxatdan o‘tkazish raqami № IAP 7986. – 18.03.2025.
  6. learning and time series in optical network," Opt. Express 25, 18553-18565 (2017)
  7. https://worldwide.espacenet.com/patent/search?q=pn%3DCN117221142A
  8. Khouloud Abdelli et al. “Reflective fiber fault detection and characterization using long short-term memory”. In: Journal of Optical Communications and Networking 13.10 (2021), E32–E41. doi: 10.1364/JOCN.423625
  9. T. Tanaka, T. Inui, S. Kawai, S. Kuwabara and H. Nishizawa, "Monitoring and diagnostic technologies using deep neural networks for predictive optical network maintenance [Invited]," in Journal of Optical Communications and Networking, vol. 13, no. 10, pp. E13-E22, October 2021, doi: 10.1364/JOCN.424428.
  10. Н.И.Жураева. Прогнозирование отказов в волоконно-оптических системах передачи информации с механизмом самоанализа // “Raqamli transformatsiya va sun’iy intellekt” ilmiy-texnik jurnal. – 2025. – Vol. 3, Issue 4. – C.114-119