В данной работе предложен способ оценки ключевых показателей многоканальной системы массового обслуживания с неограниченной очередьюи многофазным обслуживанием эрланговского типа. Показано, что переход к многоканальному случаю приводит к резкому увеличению размерности пространства состояний и усложнению системы уравнений Колмогорова, из-за чего прямой аналитический расчёт часто становится недоступен. Предлагается метамодель на основе методов машинного обучения, обучаемая на данных дискретно-событийного имитационного моделирования, для приближённого прогноза среднего времени ожидания, средней длины очереди и доли обслуженных заявок. Выполнено сравнение базовых регрессионных и нейросетевых моделей и рассмотрена устойчивость аппроксимации при изменении коэффициента загрузки.

Ключевые слова: система массового обслуживания, очередь, имитационное моделирование, метамодель, машинное обучение, нейронная сеть, многоканальное обслуживание, эрланговское распределение, нетерпеливость, уравнение колмогорова, регрессия, градиентный бустинг

1.2.2 - Математическое моделирование, численные методы и комплексы программ