Short-term forecast systems

Short-term forecast systems

В настоящее время описание проекта доступно только на русском языке. Переведенная версия будет опубликована в ближайшее время...

Прогнозирование развития целевых событий по данным мониторинга системы - часто встречающаяся задача во многих отраслях промышленности. Подобная задача эффективно решается LSTM ( долгосрочная кратковременная память ) нейронными сетями. Примерами может служить система прогнозирования нагрузки на вычислительные узлы, система прогнозирования роста потребления воды в системе потребления, система прогнозирования отказов и т.п.

(автор диаграммы иллюстрирующей LSTM Christopher Olah )

На глобальном уровне для водной отрасли "Акватэк" в Амстердаме (https://www.aquatechtrade.com/amsterdam/) была представлена ​​система краткосрочного прогноза нагрузки на систему водоснабжения. Данный проект реализован коллегами из Анталии Водоканал Анталии (ASAT). Текущее потребление воды в системе и его краткий срочный прогноз - обязательный показатель для системы контроля и управления. ASAT, имеющиеся в распоряжении системы SCADA, выполняющей сбор данных, таких как расход воды, давление в различных точках, режимы работы насосов, уровень воды в резервуарах, температура и содержание хлора, выполняли выгрузку ретроспективных данных за период с 2012 по 2016 ( 5-минутный интервал между замерами). Результаты были вычислены с помощью системы WaterGEMS. На основании данных данных была сформирована репрезентативная обучающая выборка. Общее число экземпляров данных обучающей выборки для моделей содействовало 210 240. Обучаемая на ней система использования прогноза роста потребления воды на 3 часа вперед, что ориентируется на проактивное применение специальных мер перед ростом нагрузки на систему потребления и повышает уровень контроля над системой потребления в целом.

На основе прошлого опыта специалисты нашей компании в настоящее время рассматривают разработку прототипа аналогичной системы для использования водоканалов страны. Нашими услугами также оказываются консалтинговые услуги по этой проблеме.

 

Другим применением системы краткосрочного прогнозирования является система прогнозирования загрузки облачных сервисов. Провижн виртуальных машин в облаке требует определенного времени. Поэтому реагирование на факт роста нагрузки на сервис не всегда эффективно для стабильно стабильной производительности сервиса. Необходимо быть проактивными и осуществлять масштабирование (масштабирование) с некоторым опережением фактического роста нагрузки. Вероятно, проект был внедрен в одном из Самарских ВУЗов, где использовалось облачное заимствование для предоставления виртуальных машин и выполнения научных расчетов. В структуре системы были собраны необходимые данные и выгружены логи работы системы за пять лет. На основании полученных данных была составлена ​​обучающая выборка для нейронной сети LSTM, которая успешно научилась распознавать периодичность всплесков нагрузки на систему и характер предшествующих данных всплескам шаблонные изменения параметров. Благодаря внедрению системы провижна виртуального машиностроения в промышленном масштабе осуществлялась заблаговременно, стабильная производительность.

 

Подобная задача составления краткосрочного прогноза актуальна во многих других сферах. В наличии имеются данные о возможном прогнозировании роста числа потребителей товаров или услуг, доступных на рынке, а также других событий.

 

 

 

 


Print   Email