Сбор данных о работе оборудования в сети мобильного оператора связи
https://doi.org/10.55648/1998-6920-2022-16-2-55-62
Аннотация
Операторы мобильной сети передачи данных с ростом количества оборудования сталки-
ваются с увеличивающейся сложностью эксплуатации и растущими затратами на обслу-
живание. При увеличении количества базовых станций растет и количество сбоев. Со-
временные технологические решения, основанные на алгоритмах нейронных сетей, спо-
собны заблаговременно с определенной вероятностью предсказать возникновение сбоев в
работе оборудования. Для обучения модели нейронной сети требуются данные о работе и
сбоях на оборудовании мобильной сети передачи данных. В данной статье рассказывает-
ся о выполненном сборе данных в сети мобильного оператора 4G+, об особенностях и
ограничениях, которые в дальнейшем могут повлиять на обучение модели
Об авторе
Сауле Бактыкереевна Жанаева
СибГУТИ
Россия
Жанаева Сауле Бактыкереевна, аспирант, кафедра прикладной математики и кибернетики
Россия
Жанаева Сауле Бактыкереевна, аспирант, кафедра прикладной математики и кибернетики
630102, Новосибирск, ул. Кирова, 86
Список литературы
1. Tihvinskiy V. O., Terentev S. V., Koval V. A. Seti mobilnoy cvyazi 5G: tehnologii, arhitektura i uslugi
2. [Mobile Networks 5G: technologies, architecture and services]. Moscow, Media Publishers, 2021, 375
3. p.
4. Brink H., Richards J. W., Fetherolf M. Real world Machine Learning. US, Manning Publications Co.,
5. , 266 p.
6. Yin-Hsin Liu, Yao-Chung Tu, Chang-Yu Hsu, Hsin-Chieh Chao. Predicting malfunction of mobile
7. network base station using machine learning approach. Proceedings of the 20th Asia-Pacific Network
8. Operations and Management Symposium (APNOMS), 18-20 September, Matsue, Japan, 2019, pp. 1-4.
9. DOI: 10.23919/APNOMS.2019.8892894.
10. Kumar Y., Farooq H., Imran A. Fault Prediction and Reliability Analysis in a Real Cellular Network.
11. Proceedings of 13th International Wireless Communications and Mobile Computing Conference
12. (IWCMC), 26-30 June, pp. 1090-1095, Valencia, Spain, 2017. DOI: 10.1109/IWCMC.2017.7986437.
13. Corazza A., Isgro F., Longobardo L., Prevete R. A machine learning approach for predictive mainte-
14. nance for mobile phones service providers. Advances on P2P, Parallel, Grid, Cloud and Internet Com-
15. puting. Lecture Notes on Data Engineering and Communications Technologies, Springer International
16. Publishing, 2017. DOI: 10.1007/978-3-319-49109-7_69.
17. Otani T., Toube H., Kimura T., Furutani M. Application of AI to mobile network operation. ITU Jour-
18. nal: ICT Discoveries, 2018, Special Issue, no. 1, pp. 43-48.
19. Hu C., Youn B. D., Kim T. Semi-supervised learning with co-training for data-driven prognostics.
20. Proceedings of IEEE Int. Conf. on Prognostics and Health Management: Enhancing Safety, Efficiency,
21. Availability, and Effectiveness of Systems Through PHM Technology and Application, 18-21 June, Den-
22. ver, CO, USA, 2012, pp. 1297-1306. DOI: 10.1109/ICPHM.2012.6299526.
23. Yousefia N., Tsianikasa S., Zhoua J., Coit D. W. Inspection plan prediction for multi-repairable compo-
24. nent systems using neural network. Proceedings of the 2020 IISE Annual Conference, Institute of Indus-
25. trial and Systems Engineers, IISE, United States, 1-3 Nov, 2020.
26. Schmidt B., Wang L. Cloud-enhanced predictive maintenance. Int J Adv Manuf Technol, 2018, no. 99,
27. pp. 5–13. DOI 10.1007/s00170-016-8983-8.
28. Wei Wu, Feng Zhang, Min Liu, Weiming Shen. A Multi-agent Based Failure Prediction Method Using
29. Neural Network Algorithm. Proceedings of 2014 IEEE International Conference on Systems, Man, and
30. Cybernetics, San Diego, CA., 2014, pp. 2268-2272, DOI: 10.1109/SMC.2014.6974263.
31. Karballaeezadeh N., Zaremotekhases F., Shamshirband S., Mosavi A., Nabipour N., Csiba P.,
32. Várkonyi-Kóczy A. Intelligent Road Inspection with Advanced Machine Learning; Hybrid Prediction
33. Models for Smart Mobility and Transportation Maintenance Systems. Energies, 2020, no. 13, pp. 1718.
34. DOI: 10.3390/en13071718.
Рецензия
Для цитирования:
Жанаева С.Б. Сбор данных о работе оборудования в сети мобильного оператора связи. Вестник СибГУТИ. 2022;(2):55-62. https://doi.org/10.55648/1998-6920-2022-16-2-55-62
For citation:
Zhanayeva S.B. Data collection concerning equipment operation in the network of a mobile operator. The Herald of the Siberian State University of Telecommunications and Information Science. 2022;(2):55-62. (In Russ.) https://doi.org/10.55648/1998-6920-2022-16-2-55-62
Просмотров:
6257
JATS XML
Послать статью по эл. почте 
