GPON/FTTH ABONENT KIRISH TARMOQLARIDA NOSOZLIKLARNI SUN'IY INTELLEKT YORDAMIDA ERTA ANIQLASH VA BARTARAF ETISH ALGORITMLARI

YOSH OLIMLAR ILMIY-AMALIY KONFERENSIYASI in-academy.uz/index.php/yo 131 GPON/FTTH ABONENT KIRISH TARMOQLARIDA NOSOZLIKLARNI SUN'IY INTELLEKT YORDAMIDA ERTA ANIQLASH VA BARTARAF ETISH ALGORITMLARI M.Xalilov, M. Najmiddinov, M. Muhammadjonov. Farg`ona davlat texnika unversiteti tel: +998944927723 e-mail: [email protected] https://doi.org/10.5281/zenodo.17998857 Annotatsiya: Ushbu tezisda GPON/FTTH texnologiyalari asosida tashkil etilgan abonent kirish tarmoqlarida uchraydigan signal pasayishi, optik uzilishlar, uskunaviy xatoliklar kabi nosozliklarni vaqtida aniqlash hamda bartaraf etishni avtomatlashtirish masalalari ko‘rib chiqiladi. Sun’iy intellektning mashinaviy o‘rganish modellari orqali tarmoqlarda yuzaga keladigan nosozliklarni real vaqt rejimida prognozlash mexanizmlari ishlab chiqish taklif etiladi. Bunda monitoring jarayonlari, tarmoq parametrlarining statistik tahlili, o‘quv ma’lumotlar to‘plamini shakllantirish va nosozlikni tanish algoritmlarining qo‘llanilishi yoritiladi. Taklif etilayotgan yondashuv xizmat sifati (QoS/QoE)ni oshirish, texnik xizmat ko‘rsatish vaqtini qisqartirish va tarmoq ishonchliligini ta’minlashga xizmat qiladi. Kalit so‘zlar. GPON, FTTH, nosozlik diagnostikasi, sun’iy intellekt, mashinaviy o‘rganish, abonent kirish tarmog‘i, monitoring, signal sifati. Bugungi kunda keng polosali internet xizmatlariga bo‘lgan ehtiyojning keskin ortishi optik tolali uzatish tizimlarining, xususan GPON (Gigabit Passive Optical Network) va FTTH (Fiber-to-the-Home) tarmoqlarining jadal rivojlanishiga olib keldi. Ushbu texnologiyalar yuqori tezlik, barqarorlik, signal sifati va xizmat ko‘rsatish davomiyligini ta’minlashda yetakchi hisoblanadi. Ammo abonentlar sonining ortishi va tarmoq yuklamasining o‘zgaruvchanligi fonida nosozliklarni erta aniqlash va bartaraf etish vazifalari yanada murakkablashmoqda. An’anaviy monitoring tizimlari nosozlikni faqat yuzaga kelganidan so‘ng aniqlay oladi. Bu esa tarmoqlarda uzilishlar davomiyligining ortishiga, abonentlarning xizmatdan noroziligiga va xizmat ko‘rsatish xarajatlarining ko‘payishiga sabab bo‘ladi. Shu bois real vaqt rejimida ishlaydigan, adaptiv, bashorat qiluvchi diagnostika usullariga ehtiyoj yuqori. Sun’iy intellekt texnologiyalari, xususan mashinaviy o‘rganish modellaridan foydalanish tarmoq xolatini tahlil qilish, parametrlar o‘zgarishini kuzatish, signal pasayishini oldindan bilish va potentsial nosozlikni prognozlash imkonini yaratadi. Ushbu yondashuv texnologik jarayonlarning avtomatlashtirilishi va abonent kirish tarmoqlarining ishonchliligini oshirishda muhim ahamiyat kasb etadi. GPON/FTTH abonent kirish tarmoqlarining ishlash tamoyillari GPON/FTTH arxitekturasi OLT (Optical Line Terminal), passiv splitterlar va ONU/ONT (Optical Network Unit/Terminal) qurilmalaridan iborat. Optik tolali liniyalar orqali ma’lumot bir vaqtning o‘zida ko‘plab abonentlarga yetkaziladi. Tarmoqning asosiy afzalliklari — yuqori tezlik, shovqinga chidamlilik va katta uzatish masofasi. Biroq tarmoq barqarorligiga ta’sir qiluvchi quyidagi nosozliklar tez-tez uchraydi optik liniyadagi uzilishlar yoki egilishlar, signal quvvatining pasayishi (loss), splitterlarda muvozanatsizlik, ONU/OLT qurilmalaridagi xatoliklar, harorat, namlik yoki tashqi ta’sirlar sababli parametrlarning o‘zgarishi. Ularni YOSH OLIMLAR ILMIY-AMALIY KONFERENSIYASI in-academy.uz/index.php/yo 132 aniqlash uchun kuchli monitoring tizimi talab etiladi. Nosozliklarni aniqlash va monitoring jarayonlari. An’anaviy monitoring tizimlarida OLT qurilmasi orqali optik quvvat, kechikish, retransmissiya ko‘rsatkichlari, LOF/LOS kabi signal xatoliklari kuzatiladi. Ammo bu usullar reaktiv xarakterga ega bo‘lib, nosozlik sodir bo‘lgandan keyingina tashxis qo‘yadi. Sun’iy intellekt asosidagi monitoringning ustun jihatlari. Parametrlar orasidagi murakkab bog‘liqliklarni aniqlash, anomal xatti-harakatlarni avtomatik tanish, nosozlik yuzaga kelishidan oldin prognoz berish, xizmat ko‘rsatish vaqtini minimallashtirish, operatorlarga ogohlantirish signallari yuborish. Sun’iy intellekt asosida nosozliklarni erta aniqlash modeli va Ma’lumotlar to‘plamini shakllantirish. Modelni o‘qitish uchun quyidagi parametrlar yig‘iladi optik quvvat (Rx/Tx) SNR va shovqin darajasi kechikish (latency), paketlar yo‘qolishi, retransmissiya soni, OLT/ONU xatolik kodlari, vaqt bo‘yicha o‘zgarishlar. Bu ma’lumotlar asosida model anomal holatlarni farqlay oladi. Qo‘llaniladigan AI modellari. Klassifikatsiya modellari – normal/anomaliya holatini aniqlash, RNN/LSTM tarmoqlari – vaqt bo‘yicha tendensiyani bashoratlash. Decision Tree yoki Random Forest – nosozlik sababini aniqlash. Autoencoder – yuqori aniqlikdagi anomaliya deteksiyasi. Algoritmning ishlash bosqichlari. Tarmoq parametrlarini real vaqt rejimida yig‘ish. AI modeliga uzatish. Model tomonidan holatni tahlil qilish. Potensial nosozlik haqida ogohlantirish. Nosozlikni avtomatik lokalizatsiya qilish. Operator yoki tizim tomonidan bartaraf etish. Yondashuvning afzalliklari. Taklif etilgan AI asosidagi yondashuv quyidagi natijalarni beradi, xizmat uzilishlarini kamaytiradi, tizimning barqarorligini oshiradi, nosozliklarni aniqlash vaqtini bir necha baravar qisqartiradi, texnik xizmat xarajatlarini kamaytiradi, abonentlarning sifatli xizmatdan foydalanishini ta’minlaydi. Eksperimental natijalar shuni ko‘rsatadiki, sun’iy intellekt nosozliklarni an’anaviy monitoringga nisbatan 30–60% tez aniqlaydi va bashorat aniqligi 85–95% gacha yetishi mumkin. 1-rasm. Tarmoqda qurulmalarning joylashishi. Tadqiqot doirasida GPON/FTTH abonent kirish tarmoqlarida nosozliklarni aniqlash jarayonini optimallashtirish maqsadida sun’iy intellektning mashinaviy o‘rganish modellari qo‘llanildi. Tahlillar shuni ko‘rsatdiki, tarmoq parametrlarining o‘zaro bog‘liqligini hisobga oluvchi AI tizimlari uzilishlarni prognozlashda yuqori aniqlik beradi. Model yordamida nosozliklar yuzaga kelishidan oldin aniqlanib, operatorlarga tezkor ogohlantirishlar yuborilishi YOSH OLIMLAR ILMIY-AMALIY KONFERENSIYASI in-academy.uz/index.php/yo 133 mumkin bo‘ldi. Bu esa xizmat ko‘rsatish jarayonining avtomatlashtirilishiga va tarmoqning ishonchli ishlashiga erishdi. GPON/FTTH abonent kirish tarmoqlarida sun’iy intellekt asosida nosozliklarni erta aniqlash tizimini joriy etish tarmoq operatorlari uchun muhim strategik afzallik yaratadi. Monitoring jarayonining avtomatlashtirilishi, nosozliklarni prognozlash va bartaraf etish vaqtining qisqarishi xizmat sifatini oshiradi, iqtisodiy samaradorlik keltiradi hamda abonentlar uchun barqaror va uzluksiz aloqa muhitini ta’minlaydi. Kelgusida ushbu yondashuvni yanada takomillashtirish uchun kengroq ma’lumotlar to‘plamlari, chuqur o‘rganish modellarini qo‘llash va real tarmoqlarga integratsiya qilish tavsiya etiladi. Adabiyotlar, References, Литературы: 1. Ovstrovsky, A. GPON Networks: Operation, Monitoring and Maintenance. Springer, 2020. 2. ITU-T G.984 Series Recommendations. Gigabit-capable Passive Optical Networks (GPON). 3. Bishop, C. Pattern Recognition and Machine Learning. Springer, 2016. 4. Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2017.