Грант РФФИ No. 20-07-00140  (2020–2022 гг.)
Разработка высокомасштабируемых методов и алгоритмов интеллектуального анализа сверхбольших временных рядов на вычислительных кластерах с многоядерными ускорителями

 
Аннотация
 
Участники
 
Публикации
 
Апробация
 
Отчеты
 
Диссертации

Участники проекта

Руководитель проекта: Цымблер Михаил Леонидович (mzym@susu.ru)

Основные исполнители проекта:

Аннотация проекта

В настоящее время задачи интеллектуального анализа временных рядов возникают в широком спектре предметных областей. Одним из наиболее актуальных классов задач являются приложения Четвертой промышленной революции и Интернета вещей, где датчики киберфизических систем, обеспечивающих умное управление и предиктивное обслуживание сложных машин и механизмов, имеют высокую дискретность снятия показаний (десятки-сотни раз в секунду). В указанных приложениях типичными являются продуцируемые за короткое время сверхбольшие временные ряды, состоящие из сотен миллиардов элементов, которые не могут быть размещены в оперативной памяти и эффективно обработаны с помощью обычных компьютеров.

Целью проекта является разработка и исследование методов и алгоритмов, позволяющих эффективно использовать высокопроизводительные вычислительные кластеры с многоядерными ускорителями для хранения и интеллектуального анализа сверхбольших временных рядов. В рамках проекта предполагается решить следующие основные задачи:

  1. Разработать новые параллельные алгоритмы и методы интеллектуального анализа распределенных временных рядов, обеспечивающие высокую масштабируемость на вычислительных кластерах с узлами на базе многоядерных ускорителей

  2. Разработать новые методы интеграции параллельных алгоритмов интеллектуального анализа временных рядов в реляционную СУБД с открытым кодом.

  3. Выполнить вычислительные эксперименты, исследующие эффективность разработанных методов и алгоритмов на реальных и синтетических данных.

Публикации по проекту

Основные результаты, полученные в ходе выполнения данного проекта, опубликованы в следующих работах:

2022 г.
  1. Гоглачев А.И., Цымблер М.Л. Применение параллельных вычислений для аннотирования сенсорных данных // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2022. Т. 11, № 2. С. 30–42. [PDF] [DOI: 10.14529/cmse220203] [РИНЦ]
  2. Zymbler M., Goglachev A. Fast Summarization of Long Time Series with Graphics Processor // Mathematics. 2022. Vol. 10, No. 10. Article 1781. [PDF] [DOI: 10.3390/math10101781] [WOS:000801317400001]
  3. Биленко Р.В., Долганина Н.Ю., Иванова Е.В., Рекачинский А.И. Высокопроизводительные вычислительные ресурсы Южно-Уральского государственного университета // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2022. Т. 11, № 1. С. 15–30. [PDF] [DOI: 10.14529/cmse220102] [РИНЦ]
  4. Цымблер М.Л., Полуянов А.Н. Параллельный алгоритм восстановления пропущенных значений потокового временного ряда в режиме реального времени  // Параллельные вычислительные технологии – XVI международная конференция, ПаВТ'2022, г. Дубна, 29–31 марта 2022 г. Короткие статьи и описания плакатов. Челябинск: Издательский центр ЮУрГУ, 2022. С. 128–140. [PDF] [DOI: 10.14529/pct2022] [РИНЦ]
  5. Цымблер М.Л., Гоглачев А.И. Применение параллельных вычислений для аннотирования сенсорных данных // Параллельные вычислительные технологии – XVI международная конференция, ПаВТ'2022, г. Дубна, 29–31 марта 2022 г. Короткие статьи и описания плакатов. Челябинск: Издательский центр ЮУрГУ, 2022. С. 141–148. [PDF] [DOI: 10.14529/pct2022] [РИНЦ]
2021 г.
  1. Цымблер М.Л., Гоглачев А.И. Поиск типичных подпоследовательностей временного ряда на графическом процессоре // Вычислительные методы и программирование. 2021. Т. 22, № 4. С. 344–359. [PDF] [DOI: 10.26089/NumMet.v22r423] [РИНЦ]
  2. Цымблер М.Л., Полонский В.А., Юртин А.А. Об одном методе восстановления пропущенных значений потокового временного ряда в режиме реального времени // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2021. Т. 10, № 4. С. 5–25. [PDF] [DOI: 10.14529/cmse210401] [РИНЦ]
  3. Иванова Е.В., Цымблер М.Л. Внедрение концепции матричного профиля в реляционную СУБД для интеллектуального анализа временных рядов // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2021. Т. 10, № 3. С. 72–87. [PDF] [DOI: 10.14529/cmse210305] [РИНЦ]
  4. Цымблер М.Л., Краева Я.А., Латыпова Е.А., Иванова Е.В., Шнайдер Д.А., Басалаев А.А. Очистка сенсорных данных в интеллектуальных системах управления отоплением зданий // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2021. Т. 10, № 3. С. 16–36. [PDF] [DOI: 10.14529/cmse210302] [РИНЦ]
  5. Zymbler M., Ivanova E. Matrix Profile-Based Approach to Industrial Sensor Data Analysis Inside RDBMS // Mathematics. 2021. Vol. 9, No. 17. Article 2146. [PDF] [DOI: 10.3390/math9172146] [WOS:000694382500001] [Scopus]
  6. Zymbler M., Grents A., Kraeva Ya., Kumar S. A Parallel Approach to Discords Discovery in Massive Time Series Data // Computers, Materials & Continua. 2021. Vol. 66, No. 2. P. 1867–1876. [PDF] [DOI: 10.32604/cmc.2020.014232] [WOS:000594856200001] [Scopus]
2020 г.
  1. Ivanov S., Nikolskaya N., Radchenko G., Sokolinsky L., Zymbler M. Digital Twin of City: Concept Overview // Proceedings of 2020 Global Smart Industry Conference, GloSIC 2020, Chelyabinsk, Russia, November 17–19, 2020. P. 178–186. [PDF] [DOI: 10.1109/GloSIC50886.2020.9267879] [WOS:000646231600029] [Scopus]
  2. Иванова Е.В., Цымблер М.Л. Обзор современных систем обработки временных рядов // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2020. Т. 9, № 4. С. 79–97. [PDF] [DOI: 10.14529/cmse200406] [РИНЦ]
  3. Иванов С.А., Никольская К.Ю., Радченко Г.И., Соколинский Л.Б., Цымблер М.Л. Концепция построения цифрового двойника города // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2020. Т. 9, № 4. С. 5–23. [PDF] [DOI: 10.14529/cmse200401] [РИНЦ]
  4. Цымблер М.Л., Краева Я.А. Параллельный алгоритм поиска лейтмотивов временного ряда для графического процессора // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2020. Т. 9, № 3. С. 17–34. [PDF] [DOI: 10.14529/cmse200302] [РИНЦ]

Апробация проекта

Основные результаты, полученные в ходе выполнения данного проекта, докладывались на следующих научных конференциях, семинарах и совещаниях:

2022 г.
  1. Поиск аномалий временного ряда на графическом процессоре. Международная научная конференция «Параллельные вычислительные технологии 2022» (29–31 марта 2022 г., Дубна) Я.А. Краева (секционный доклад). [PDF]
  2. Применение параллельных вычислений для аннотирования сенсорных данных. Международная научная конференция «Параллельные вычислительные технологии 2022» (29–31 марта 2022 г., Дубна), А.И. Гоглачев (секционный доклад). [PDF]
  3. Параллельный алгоритм восстановления пропущенных значений потокового временного ряда в режиме реального времени. Международная научная конференция «Параллельные вычислительные технологии 2022» (29–31 марта 2022 г., Дубна), А.Н. Полуянов (секционный доклад). [PDF]  
2021 г.
  1. Международная научная конференция «Параллельные вычислительные технологии 2021» (30 марта – 1 апреля 2021 г., Волгоград), Я.А. Краева (секционный доклад). Обнаружение аномалий в больших временных рядах на основе совместного использования нейронных сетей и параллельных алгоритмов [PDF]   
2020 г.
  1. Международная научная конференция Global Smart Industry Conference, GloSIC 2020 (Chelyabinsk, Russia, November 17–19, 2020), М.Л. Цымблер (секционный доклад). Digital Twin of City: Concept Overview [PDF]
  2. Международная научная конференция Global Smart Industry Conference, GloSIC 2020 (Chelyabinsk, Russia, November 17–19, 2020), Я.А. Краева (секционный доклад). Cleaning Sensor Data in Smart Heating Control System [PDF]
  3. Международная научная конференция «Параллельные вычислительные технологии 2020» (31 марта – 2 апреля 2020 г., Пермь), Я.А. Краева (секционный доклад). Параллельный алгоритм поиска лейтмотивов временного ряда для графического процессора [PDF]  
  4.  Международная научная конференция «Параллельные вычислительные технологии 2020» (31 марта – 2 апреля 2020 г., Пермь), А.В. Гренц (секционный доклад). Поиск аномалий в сверхбольших временных рядах на высокопроизводительном кластере с многоядерными ускорителями [PDF]

Диссертации, выполненные в рамках проекта

По теме данного проекта выполнена следующая диссертация:

 

Научные отчеты по проект

Текст

 
Изменено: 06.07.2022

Copyright © Кафедра системного программирования ЮУрГУ

Дизайн М.Л. Цымблер