ivdon3@bk.ru
Современные методы предиктивной аналитики позволяют значительно расширить возможности систем сетевого мониторинга, обеспечивая раннее обнаружение аномалий и потенциальных отказов. В данной статье представлены результаты исследования подходов к построению проактивной системы мониторинга сети с применением методов машинного обучения и статистического анализа. Показано, что использование комбинированных моделей на основе рекуррентных нейронных сетей и авторегрессионных моделей обеспечивает наиболее точное прогнозирование сетевого трафика с горизонтом предсказания до 10 временных интервалов. Практическая реализация предложенного подхода позволяет сократить количество незапланированных простоев на 27% и снизить время реагирования на инциденты на 35% по сравнению с традиционными реактивными системами мониторинга.
Ключевые слова: предиктивная аналитика, сетевой мониторинг, машинное обучение, статистический анализ, обнаружение аномалий, прогнозирование трафика, рекуррентные нейронные сети, авторегрессионные модели, проактивные системы, отказоустойчивость