виявлення аномалій

Однією з прикладних геодезичних задач для геодинаміки є виявлення аномальних відхилень у часових рядах ГНСС, що можуть свідчити про деформації земної поверхні спричинені впливом різних геофізичних явищ. Важливо зазначити, що геодинамічні аномалії можуть мати локальний характер та проявлятися лише на одній ГНСС-станції або регіональний характер і проявлятися одночасно у групі часових ГНСС- рядів. Метою цієї статті є розроблення методу виявлення геодинамічних аномалій у часових рядах ГНСС з використанням алгоритмів машинного навчання.

Стрімке поширення технології Інтернету речей (IoT) призвело до безпрецедентного росту обсягів неоднорідних даних з розподілених пристроїв. Цей величезний потік даних робить все більш важливим впровадження надійних і ефективних методів виявлення аномалій в режимі реального часу, які можуть попередити про проблеми у розподілених системах. Виявлення аномалій даних є критично важливим у сучасному світі, оскільки воно дозволяє на ранній стадії виявляти відхилення, які можуть свідчити про збої в роботі системи, порушення безпеки або операційну неефективність.

Класифікація аномалій з використанням Протоколу Граничного Шлюзу (BGP) є важливою для забезпечення стабільності та безпеки Інтернету, оскільки такі аномалії можуть порушувати роботу та надійність мережі. У попередніх дослідженнях цієї предметної області було проаналізовано вплив базових характеристик повідомлень оновлення BGP на моделі виявлення аномалій, проте описані підходи часто використовують методи з високою обчислювальною складністю, важкі для розуміння та можуть викликати труднощі при заміні наборів даних чи тренувальних моделей.