Разработка алгоритмов оценки канальных ресурсов при перспективном проектировании мультисервисной сети связи

• Автор: Шукри Шукри Сабри
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Москва
• Количество страниц: 186 с. : ил

Аннотация
Диссертационная работа посвящена разработке алгоритмов оценки канальных ресурсов цифровых линий при перспективном проектировании магистральных мультисервисных сетей связи. На мультисервисной сети используется технология коммутации пакетов. Рассматриваются линейные и кольцевые структуры сети. Разноскоростные потоки сообщений, поступающие на узлы, приняты пуаесоновскими. При расчетах принимается, что все потоки обслуживаются в реальном масштабе времени с явными потерями. Показано, что при этом рассчитывается верхняя оценка канальных ресурсов.
Расчет потерь сообщения на звеньях сети осуществляется путем решения системы уравнений методом подстановок. Итерационный процесс решения системы уравнений осуществляется на ПЭВМ.
В результате исследования разработанных алгоритмов даны рекомендации по начальным условиям, приращениям канальных ресурсов на каждой итерации, условиям завершения итерационных процедур.
Разработанные алгоритмы решения систем уравнений реализованы в виде программ для ПЭВМ на языке С++.
По разработанным алгоритмам и программам проведена оценка необходимых канальных ресурсов для проектируемой магистральной мультисервисной сети Республики Ирак.
Основные обозначения
А - интенсивность поступающей нагрузки; а ■ - интенсивность поступающей нагрузки ; -го потока;
Вj - вероятность потерь на ] -ом звене сети;
Ъ• - число каналов, необходимых для обслуживания одного вызова г -го потока;
С • -скорость передачи ; -го потока;
С - основная передаточная единица - наибольший общий делитель скорости передачи цифровой линии и скорости передачи каждого из информационных потоков; й?. - параметр экспоненциального распределения длительности обслуживания
/ -го потока вызовов;
Е(у,а)- вероятность потерь на полнодоступном пучке из V каналов при обслуживании интенсивности поступающей нагрузки а (первая формула Эрланга);
(Зу- интенсивность поступающих вызовов (-го потока;
I - индекс для нумерации потоков сообщений а = 1,и);
_/ - индекс для нумерации звеньев цифровой линии и = 1, Э);
J - число звеньев в сети линейной или кольцевой структуры;
£/' - максимально возможное число вызовов г -го потока, которые могут одновременно находиться на обслуживании;
Ц - число вызовов г-го потока сообщений, находящихся на обслуживании в рассматриваемый момент времени;
М - математическое ожидание случайной величины; т - номер итерации;

N множество номеров потоков, для обслуживания которых
используется ресурс ] -й цифровой линии;
-Р/ - доля потерянных сообщений / -го потока (вероятность потерь);

Р - норма потерь сообщений;
q - средний процент ежегодного прироста населения; й - маршрутная матрица;
Щ - множество номеров звеньев сети, используемых при установлении соединений (-го потока;
FjІ - элемент маршрутной матрицы;
Т - промежуток (интервал) времени;
1 - момент времени;
и - суммарное число основных передаточных единиц, занятых обслуживанием сообщений всех информационных потоков;
- скорость передачи /-го звена цифровой линии; vj - число каналов /-го звена цифровой линии;
. интенсивность обслуженной нагрузки ; -го потока сообщений;
О - относительная величина разности потерь двух соседних итераций;
- коэффициент использования скорости передачи _/ -го звена цифровой линии;
- дисперсия случайной величины;
О - пространство состояний Марковского процесса.

Во-вторых, может возникнуть ситуация, когда ошибки прогнозирования вызваны изменениями в самом объекте прогнозирования (самом существе процесса). Если в первом случае задачей прогнозирующей системы является максимальное уменьшение уровня неопределенности, то во втором случае прогнозирующая система должна как можно быстрее «распознать» это изменение и производить дальнейшее прогнозирование с учетом этого изменения.
В-третьих, в самом общем случае ошибки прогнозирования вызываются одновременно и теми и другими причинами, т. е. прогнозирующая система должна «уметь» своевременно отличать «полезные» изменения в объекте прогнозирования от результата влияния неопределенностей, уровень которых необходимо уменьшить.
Таким образом, система должна уметь выявить переход с одного участка на другой. Приведенные требования являются общими для любой прогнозирующей системы.
Одним из важнейших этапов процесса прогнозирования является выработка модели прогнозируемого процесса. Основное требование к математической модели состоит в необходимости учитывать все основные стороны и взаимосвязи рассматриваемого явления и отказаться от изучения второстепенных сторон и связей. Таким образом, модель представляет собой некоторую абстракцию от действительности, учитывающую только характеристики, представляющие интерес.
1.4.2. Классификация методов прогнозирования
Модели прогнозирования можно классифицировать по различным признакам.
В зависимости от наличия неопределенностей, сопровождающих прогнозируемый процесс, модели можно разделить на детерминированные и стохастические. Стохастические модели в свою очередь разделяют на: