Рассматривается применение нейронных сетей для решения задач мониторинга, контроля и диагностики состояния транспортной инфраструктуры. Выявлены основные проблемы исследования состояния объектов транспортной инфраструктуры и обоснована необходимость интеллектуализации процессов обработки информации с привлечением методов интеллектуального анализа данных. Для исследования объектов транспортной инфраструктуры рассмотрен метод Fault Detection and Identification (FDI) и показаны способы его применения относительно поставленной задачи. Произведен сравнительный анализ метода FDI с методом наименьших квадратов. Для реализации алгоритмов диагностики состояния транспортной инфраструктуры выбрана нейронная самоорганизующаяся сеть Кохонена. Доказана эффективность использования нейронной сети Кохонена по сравнению с методом наименьших квадратов за счет автоматического разбиения диагностического пространства признаков состояния объектов транспортной инфраструктуры на класс. Доказана возможность решения задачи различными архитектурами нейронных сетей.

Consider of neural networks for solving the tasks of monitoring, control and diagnostics of transport infrastructure. The main problems of studying the state of transport infrastructure and the necessity of intellectualization of information processing involving data mining techniques . To investigate the transport infrastructure presents a method of Fault Detection and Identification (FDI) , and shows how its application regarding the problem. A comparative analysis of FDI method with the least squares method . For the implementation of algorithms for diagnosing the state of the transport infrastructure of selected neural network Kohonen self-organizing . The efficacy of the use of Kohonen neural network in comparison with the least squares method by automatically partitioning the diagnostic space features state of transport infrastructure to the class. Proved the possibility of solving the problem of different architectures of neural networks.