Модели потоков данных и информационных систем на транспорте

Модели потоков данных и информационных систем на транспорте

Автор: Бутакова, Мария Александровна

Шифр специальности: 05.13.18

Научная степень: Докторская

Год защиты: 2006

Место защиты: Ростов-на-Дону

Количество страниц: 350 с. ил.

Артикул: 3318575

Автор: Бутакова, Мария Александровна

Стоимость: 250 руб.

Модели потоков данных и информационных систем на транспорте  Модели потоков данных и информационных систем на транспорте 

Содержание
ВВЕДЕНИЕ.
1. МОДЕЛИ ТЕОРИИ ОЧЕРЕДЕЙ ДЛЯ ИНФОРМАЦИОННЫХ СИСТЕМ НА ТРАНСПОРТЕ.
1.1. Анализ подходов и методов моделирования систем обслуживания и информационных потоков в них
1.2. Теоретическая база моделирования сетей массового обслуживания.
1.2.1. Структура и параметры сети массового обслуживания 3
1.2.2. Значение марковских случайных процессов для исследования сетей массового обслуживания.
1.2.3. Формула Литтла.
1.2.4. Вероятностный аппарат теории очередей
1.3. Системный анализ и формализация свойств объектов исследования.
1.3.1. Принципы организации сети передачи данных информационных систем на транспорте
1.3.2. Модель сегмента сети передачи данных в виде сети массового обслуживания
1.3.3. Информационные потоки подсистемы поддержки принятия решений в автоматизированной системе управления станцией
1.4. Разработка методов численного анализа характеристик узлов сетей массового обслуживания.
1.4.1. Метод свертки и его модификация
1.4.2. Метод анализа средних значений и его модификации
1.5. Выводы.
2. СТОХАСТИЧЕСКИЕ МОДЕЛИ ИНФОРМАЦИОННЫХ СИСТЕМ НА ТРАНСПОРТЕ В УСЛОВИЯХ ПОТОКОВ С ПИКОВЫМИ НАГРУЗКАМИ
2.1. Анализ условий моделирования.
2.1.1. Анализ структурных показателей потоков.
2.1.2. Анализ пиковых факторов при моделировании
2.2. Анализ моделей для информационных потоков
2.2.1. Марковские модели и модели по аналогии с физическими явлениями
2.2.2. Обоснования выбора вида модели потока
2.2.3. Методы предварительного статистического анализа потоков.
2.2.4. Моделирование базовых случайных распределений и процессов
2.2.5. Распределение числа заявок в системе с ординарным входным потоком общего типа.
2.3. Модели потоков с пиковыми нагрузками
2.3.1. Чисто скачкообразные процессы как инструмент для моделирования пиковых нагрузок
2.3.2. Основные определения и классификагщя распределений с тяжелым и хвостам и.
2.3.3. Статистический анализ потоков с пиковыми
нагрузками.
2.3.4. Генерация аустойчивых последовательностей случайных величин.
2.3.5. Распределение времени обращения к системе массового обслуживания в случае пиковых нагрузок
2.4. Модели с использованием распределения направленных значений
2.4.1. Предпосылки использования методов круговой статистики
2.4.2. Статистические круговые характеристики потоков
2.4.3. Модифицированные методы нахождения индекса устойчивости
2.5. Выводы
3. СТАТИСТИЧЕСКАЯ АВТОМОДЕЛЬНОСТЬ ТЕЛЕТРАФИКА В ИНФОРМАЦИОННЫХ СИСТЕМАХ
3.1. Свойство автомодельности случайных процессов
3.2. Моделирование автомодельных процессов Леви
3.3. Моделирование симметричных автомодельных
процессов Леви с трендом.
3.4. Некоторые автомодельные процессы, не являющиеся процессами Леви.
3.5. Моделирование фрактального броуновского движения
3.5.1. Моделирование с использованием спектральной плотности последовательности Д
3.5.2. Моделирование последовательности Д
с использованием скользящего среднего
3.5.3. Моделирование последовательности Д на основе
триангуляции ковариационной матрицы
3.5.4 Моделирование последовательности А с использованием дискретного преобразования Фурье.
3.6. Автомодельность процессов в широком смысле
3.7. Статистический анализ автомодельных потоков.
3.8. Автомодельность потоков в широком смысле и свойство сильного последействия
3.9. Выводы
4. СРЕДА ВИЗУЛЬНОЙ РАЗРАБОТКИ И ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ОБЪЕКТНООРИЕНТИРОВАННОГО ПРОЕКТИРОВАНИЯ.
4.1. Имитационное и визуальное моделирование подходы и
методологии
4.1.1. Сравнительный анализ стандартов и спецификаций компьютерного моделирования.
4.1.2. Общие положения имитационного моделирования
4.2. Разработка методики моделирования информационных
систем.
4.3. Визуальная среда имитационного моделирования
4.3.1. Программная реализация объектноориентированной технологии при разработке сложных программных
комплексов
4.3.2. Создание и редактирование модели предметной области. Описание среды
4.3.3. Архитектура классов объектов.
4.3.4. Набор функций и алгоритмы их выполнения.
4.4. Выводы
5. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ СРЕДЫ ВИЗУАЛЬНОЙ РАЗРАБОТКИ И ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ ОЦЕНКИ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ ИНФОРМАЦИОННОУНРАВЛЯЮЩИХ СИСТЕМ НА
ТРАНСПОРТЕ.
5.1. Моделирование работы железнодорожных информацион
ноуправляющих систем и их основных компонентов
5.1.1. Алгоритм моделирования работы пакетных маршрутизирующих коммутаторов и телекоммуникационных каналов.
5.1.2. Алгоритм моделирования работы сервера приложений
5.2. Оценка параметров информационных потоков в автоматизированных информационноуправляющих системах.
5.2.1. Формирование и агрегирование экспериментальных выборок.
5.2.2. Оценка параметров при наличии хвоста распределения
5.2.3. Оценка параметров при наличии свойств автомодельности и сильного последействия
5.2.4. Оценка параметров методами круговой статистики
5.3. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


Стационарное распределение времени ожидания в СМО СУСУ2 с дисциплиной обслуживания УСте, при условии наличия в потоках случайных величин, имеющих распределение с тяжелым хвостом, аналитически предложено в работе 4. Сильно агрегированный телекоммуникационный трафик в сетях с пакетной передачей данных часто моделируется в виде фрактального броуновского движения. Адекватность такого подхода отмечается в статье 0, в которой делается вывод о том, что сумма большого числа источников заявок, представленных как ОМОУ источники, имеет распределение с тяжелым хвостом и бесконечной дисперсией, а в пределе такой процесс сходится к фрактальному броуновскому движению. Автомодельные процессы и их отношение к принципам моделирования телекоммуникационных сетей в развернутом виде обсуждаются в работе 2. В статье 9 даются краткие характеристики свойств телекоммуникационного трафика и излагаются простейшие методы оценки параметров потоков с тяжелыми хвостами и автомодельностью. Свойство последействия в кумулятивном трафике, генерируемом суперпозицией из источников элементарных заявок, продуцирующих случайные величины Паретораспределения с конечным математическим ожиданием и бесконечной дисперсией, исследуется в работе 9. В статье 1 обращается особое внимание на важность выполнения статистического анализа эмпирических данных, необходимого для осуществления правильного вывода о том, присутствуют или нет в исследуемых данных свойства автомодельности и последействия потока. Указывается, что такой вывод можно сделать при относительно большом числе наблюдений и сравнительном анализе результатов нескольких методов выявления искомого свойства метода абсолютных моментов, метода периодограмм, метода статистик и метода вейвлетов. Авторы статьи 0 рассматривают поведение стохастической СеМО как регулярного многомерного Леви процесса с неотрицательными скачками. Для получения характеристик стационарных распределений использована формула Ито, и указано, что при таком подходе к моделированию следует пользоваться предположением об автомодельности процессов, и что в общем СеМО при таких условиях, за исключением некоторых случаев, не имеет мультипликативных свойств. В статье 4 предлагается новый негауссовский и автомодельный класс случайных процессов для моделирования телекоммуникационных сетей, названный фрактальным Леви движением, являющимся по сути обобщением распространенного фрактального броуновского движения. Введены определения функции плотности вероятностей и некоторые соотношения для определения характеристик СМО под воздействием такого процесса. Идеи исследования СМО в режимах пиковых нагрузок актуализируются в некоторых современных работах, например, в 0. Отправной точкой этого исследования является факт, что наличие корреляционных связей в потоке поступления заявок в СМО X существенно влияет на средние времена обслуживания. В работе проводятся также имитационные эксперименты с предложенной моделью. Теория СеМО изучает системы обслуживания с точки зрения статистически значимых средних характеристик различной природы. Объектами исследования являются как технические и технологические процессы, так и организационные, экономические. Предметами исследования ТМО являются приборы каналы обслуживания как элементарные, неделимые в рамках избранной формализации, составляющие, СМО, объединяющие каналы посредством последовательного, параллельного соединений каналов и их комбинаций, СеМО, учитывающие обратную связь, перекрестные соединения каналов и СМО. Функционирование любой СМО заключается в обслуживании поступающего в нее потока требований заявок, клиентов. Каждая СМО может содержать несколько обслуживающих устройств каналов или приборов обслуживания. В связи с ожиданием заявками начала обслуживания может образовываться очередь. Сетью массового обслуживания будем называть совокупность СМО, связанных единым технологическим процессом и обменивающихся заявками, поступившими на обслуживание, до завершения полного цикла обслуживания . Изучение систем СеМО позволяет перейти к рассмотрению достаточно сложных по структуре и характеру функционирования систем обслуживания.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.252, запросов: 244