基于仿真大数据的动态演化体系能力分析方法和系统

摘要

本发明公开了一种基于仿真大数据的动态演化体系能力分析方法和系统，所述方法包括以下步骤：建立复杂信息体系作战的超网络模型；基于超网络模型构建对应的初始指标集合；建立顶层指标的网络信息指标体系；建立复杂体系的体系弹性指标体系；构建动态指标网络，对指标进行时间演化分析；计算基于时间序列的复杂体系能力；所述系统包括仿真数据管理模块、指标管理模块、网络信息体系指标体系构建模块、指标分析模块、模型构建模块和体系能力分析模块。本发明能够清晰的描述体系的整体涌现性；在动态演化的体系能力分析方法上得到优化，所得结果更加贴合复杂体系活动的特点，与传统的方法相比更加可靠、贴切。

说明书

技术领域

本发明涉及网络信息体系建模与分析领域，尤其涉及一种基于仿真大数据的动态演化体系能力分析方法和系统。

背景技术

随着现代化技术，互联网技术的飞速发展，现代化战争形式发生了巨大转变，未来战争是以网络和信息为中心的战争，是全域联合作战的体现；战争变得更加复杂，体系之间的对抗特点日益凸显；如何描述体系具有的复杂性、动态性、涌现性等特点是我们亟需解决的问题。网络信息体系是复杂的非线性系统，体系的结构和关系复杂演化，组分系统之间相互依赖和关联；体系的作战效能是衡量体系作战能力的关键指标，如何实现网络信息体系的体系能力的分析，如何根据分析结果给出相应的建设方案是网络信息体系研究中需要解决的关键性问题。

真实军事领域数据存在保密级别高，来源复杂，共享困难等问题，使得相关研究的说服力大幅度降低。而通过仿真系统推演所产生的仿真数据，不仅包括体系对抗的过程以及结果数据，而且包括参战指挥人员的作战指令数据等，这些数据可以很好体现战争的复杂性规律。因此，研究基于仿真大数据的动态演化体系能力分析方法和系统，显得尤为重要。

发明内容

发明目的：本发明的目的是提供一种基于仿真大数据的动态演化体系能力分析方法和系统。

技术方案：本发明所述基于仿真大数据的动态演化体系能力分析方法包括以下步骤：

（1）建立复杂信息体系作战的超网络模型；

（2）基于超网络模型构建对应的初始指标集合；

（3）建立以即时聚优、敏捷适变为顶层指标的网络信息指标体系；

（4）建立复杂体系的体系弹性指标体系；

（5）构建动态指标网络，对指标进行时间演化分析；

（6）计算基于时间序列的复杂体系能力。

进一步地，所述步骤（1）包括根据复杂体系的结构关系构建传感网、通信网、指控网和打击网四层超网络模型，超网络模型表示为：

其中，

各个活动单元实体包括4类节点，分别为传感节点

进一步地，所述步骤（2）包括如下步骤：

（21）对基础数据进行预处理，包括数据的清洗、降维和集成；

（22）通过步骤（21）得到的初始指标集合包括探测侦察类指标、通信类指标、指挥控制类指标和打击毁伤类指标。

进一步地，所述步骤（3）包括选择能够反映关键能力的典型指标，构建包括弹性、联动性、鲁棒性、自主性、灵活性和适应性指标的网络化指标体系。

进一步地，所述步骤（4）包括针对复杂体系的动态演化所涌现出的网络体系弹性以及各子系统单元的自身特性随时间变化对体系弹性的影响，综合复杂体系特点和体系对抗过程，通过复杂体系的体系能力动态变化来描述复杂体系弹性过程，构建复杂体系的体系弹性指标体系。

进一步地，所述步骤（5）包括如下步骤：

（51）根据超网络模型以及复杂体系的体系弹性指标网络，确定复杂体系的体系弹性各层节点对应的指标权重值；

（52）体系弹性的指挥决策能力受到风险感知能力和通信能力的影响，体系弹性的恢复重建能力受到指挥决策能力和毁伤打击能力的影响，基于指挥决策能力节点和毁伤打击能力节点演化以及连边关系的演化，分析不同类型指标随时间演化的特征关系，发现体系在不同阶段的演化规律；

（53）对多类指标进行相关性分析，发现指标间的关联性。

进一步地，所述步骤（6）包括如下步骤：

（61）以

（62）对

（63）攻击任务、攻击强度、攻击位置、命中概率指标影响打击能力的效能值，这些指标时间相互影响，攻击任务影响着攻击强度和攻击位置，攻击位置与命中概率存在联系；

（64）基于上述指标，利用从初始指标集合中提取的关键指标数据即根据具体情况设定阈值，在众多影响指标中提取对体系能力影响超过阈值的关键指标，采用极值法对数据进行归一化处理得到规范化的数据

（65）采用熵权法对处理后的指标进行权重计算，结果表示为：

（66）基于下式计算

同理计算

（67）动态演化体系在

其中

（68）整个阶段动态演化的综合体系能力表示为：

其中，

本发明所述基于仿真大数据的动态演化体系能力分析系统包括仿真数据管理模块、指标管理模块、网络信息体系指标体系构建模块、指标分析模块、分析模型构建模块和网络信息体系的体系能力分析模块；

所述仿真数据管理模块，用于从海量仿真数据中进行数据挖掘，然后进行数据的导入和存储；

所述指标管理模块，用于实现指标的新增、编辑、删除、查询等功能；

所述网络信息体系指标体系构建模块，用于分析需求及分析对象的特点，构建基于网络信息体系的体系弹性网络指标体系；

所述指标分析模块，用于指标相关性分析和时间演化分析，提取关键数据，构建网络信息体系动态指标网；

所述分析模型构建模块，用于计算指标数据的权重以及体系单元能力的权重；

所述网络信息体系的体系能力分析模块，用于利用网络指标体系和所述体系单元能力权重，基于OODA环理论对网络信息体系的体系能力进行分析，得到分析结果。

有益效果：本发明与现有技术相比，具有如下显著优点：基于传感节点、通信节点、指控节点和打击节点，通过相应网络建立四层超网络模型，能够清晰的描述体系的整体涌现性；通过建立以即时聚优、敏捷适变为顶层指标的指标体系，构建复杂体系的弹性网络化指标体系，根据指标时间序列相关性分析构建动态指标网，通过构建OODA环路，采用加权平均法，实现了对动态演化的体系能力的分析，可以为后续体系贡献度分析，灵敏度分析、寻找体系重心、体系薄弱点提供辅助。

附图说明

图1为动态演化体系能力分析方法流程图；

图2为复杂体系的超网络模型示意图；

图3为复杂体系的体系能力指标体系示意图；

图4为复杂体系的体系弹性指标体系示意图；

图5为基于时间序列的动态指标网络构建流程图；

图6为基于OODA循环模型的体系环路构建过程图；

图7为动态演化体系能力分析系统框架图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

如图1所示，本发明所述基于仿真大数据的动态演化体系能力分析方法包括以下步骤：

（1）建立复杂信息体系作战的超网络模型；

（2）基于超网络模型构建对应的初始指标集合；

（3）建立以即时聚优、敏捷适变为顶层指标的网络信息指标体系；

（4）建立复杂体系的体系弹性指标体系；

（5）构建动态指标网络，对指标进行时间演化分析；

（6）计算基于时间序列的复杂体系能力。

步骤（1）建立复杂信息体系作战的超网络模型具体包括：根据复杂体系的结构关系构建传感网、通信网、指控网和打击网四层超网络模型，如图2所示，综合体系网络是传感网、通信网、指控网和打击网综合的网络中的网络，各个活动单元实体可分为4类节点分别为传感节点S、通信节点C、指控节点D和打击节点A；活动单元实体之间的交互关系为连边，具体有：通信关系表示通信节点对通信（传感、指控、打击）节点的信息传输关系；信息共享关系表示传感节点之间的信息共享关系；信息支持关系表示传感节点将目标信息传递给打击节点或决策节点；指挥控制关系表示指控节点对打击节点、下级指控节点和传感节点下达指控信息；协同决策关系表示指控节点之间通过信息共享完成同一任务的协同决策；状态上报关系表示打击节点（传感节点、指控节点）向上级指控节点上报自身的状态信息；侦察关系表示感知节点对目标进行侦察监视，并获取目标的相关信息。

超网络模型的形式化描述为：

表1：复杂体系节点类型

表2：复杂体系节点之间的连边关系

体系能力分析是要从海量数据中挖掘影响体系能力的关键指标，首先就是要建立海量数据与评估指标之间的联系，步骤（2）基于超网络模型构建对应的初始指标集合包括：在具备可靠数据和满足评估需求的前提下尽量多的包含指标，具体包括探测侦察类数据、通信类数据、指挥控制类数据和打击毁伤类数据；对基础数据进行预处理，包括日志数据、指令数据等主要包括数据的清洗、降维和集成；通过以上方式得到的初始指标集合包括：探测侦察类指标、通信类指标、指挥控制类指标和打击毁伤类指标。

步骤（3）建立以即时聚优、敏捷适变为顶层能力的网络化指标体系，选择能够反映关键能力的典型指标，由于影响指标涉及类型广泛，指标之间的关联关系复杂，围绕复杂体系的顶层能,构建包括弹性、联动性、鲁棒性、自主性、灵活性、适应性等指标的网络化指标体系，如图3所示。

步骤（4）建立复杂体系的体系弹性指标体系，针对复杂体系的动态演化所涌现出的网络体系弹性以及各子系统单元的自身特性随时间变化对体系弹性影响，综合复杂体系特点和体系对抗过程，可以通过复杂体系的体系能力动态变化来描述复杂体系弹性过程，由于复杂体系弹性是网络结构动态演化涌现的结果，此外还受到子系统本身特性的影响；因此，通过复杂体系的体系能力变化来对体系的弹性过程进行描述，

根据复杂体系的特点和体系对抗的过程分析，将复杂体系弹性过程分为情报侦察、态势判断、指挥控制、毁伤打击、恢复重建5个阶段。

如图4所示，建立复杂体系的体系弹性网络化指标体系，

由于复杂体系弹性的影响因素众多，需要可靠的试验数据进行分析，基于超网络提取的指标数据进行数据处理；例如，在体系的演化过程中，体系弹性的指挥决策能力受到风险感知能力、通信能力的影响；体系弹性的恢复重建能力受到指挥决策能力、毁伤打击能力的影响，因此对体系弹性过程的分析可以侧面反映出整个体系能力的动态演化。

如图5所示，进一步对探测侦察类数据、通信数据、指挥控制数据和打击毁伤数据进行预处理，这里的数据处理包括日志数据、指令数据等，经过数据处理后，形成体系能力的基础指标体系。

步骤（5）构建动态指标网对指标进行时间演化分析，具体步骤如下：

利用最大信息交互算法进行指标间的相关性分析，寻找不同指标之间的关联性；可能是线性或者是非线性关系，总之随着时间演化，指标间的关联关系也在不断变化，从而可以得到随时间演化的指标之间的变化规律，最终得到随时间演化的动态指标网，具体算法包括：

首先，计算互信息并求最大互信息值；

划分指标对

其次，对最大的互信息值进行归一化处理；

假设网格有多种划分方法即

最后，选择不同尺度下互信息的最大值作为MIC值，可表示为

计算最大信息系数MIC为

指标对

根据超网络模型以及复杂体系的体系弹性指标网络，确定复杂体系的体系弹性各层节点对应的指标权重值；

根据节点演化以及连边关系的演化，分析不同类型指标随时间演化的特征关系，从而可以发现体系在不同阶段的演化规律；同时对多类指标进行相关性分析，可以发现指标间的关联性。

步骤（6）计算基于时间序列的复杂体系的体系能力详细步骤如下：

将体系活动分为几个重要阶段：侦察感知、信息通信、指挥决策和打击毁伤4个阶段，如图6所示，基于网络构建OODA环路，利用加权平均法计算不同阶段的体系能力，针对不同阶段来计算对应的复杂体系的体系能力，具体包括：

计算不同阶段动态演化的体系能力分别为：

其中

计算整个阶段复杂体系的综合能力表示为：

其中，

为分析动态演化的复杂体系的体系能力，基于OODA理论提出以下假设：

如图6所示，基于OODA循环模型的思想，复杂体系活动过程可以看作是由目标感知、信息通信、指挥决策和打击毁伤的循环过程，假设在体系活动过程分为四个过程：

基于以上假设，有以下公式：

通过以上分析本发明面向复杂体系活动的整个流程，分别针对目标感知、信息通信、指挥决策以及打击毁伤4个阶段进行分析，基于网络构建OODA环路，并采用加权平均的方法对体系的综合能力进行分析，得出影响体系能力的关键因素，但是并没有针对指标间的关联性进行说明，比如指挥决策能力应该受到信息通信能力的相互作用，因此在指挥决策阶段应考虑信息通信能力与指挥决策的相互关系。而本发明给出的研究思路，使得在动态演化的体系能力评估方法上得到优化，所得的评估结果更加贴合复杂体系活动的特点，与传统的评估方法相比更加可靠和更贴切。

如图7所示，本发明所述基于仿真大数据的动态演化体系能力分析系统包括仿真数据管理模块、指标管理模块、网络信息体系指标体系构建模块、指标分析模块、分析模型构建模块和网络信息体系的体系能力分析模块；

所述仿真数据管理模块，用于从海量仿真数据中进行数据挖掘，然后进行数据的导入和存储。对所述的仿真数据进行分类处理，并且在具备可靠数据和满足分析需求的前提下尽量多的包含指标数据，具体包括探测侦查类数据、通信类数据、指挥控制类数据和打击毁伤类数据；对上述数据进行预处理，包括日志数据、指令数据等主要包括数据的清洗、降维和集成；通过以上方式得到了初始指标数据集合包括：探测侦查类指标数据、通信类指标数据、指挥控制类指标数据和打击毁伤类指标数据；完成上述指标数据的导入和存储。

所述指标管理模块，用于实现指标的新增、编辑、删除、查询等功能。

所述网络信息体系指标体系构建模块，用于分析需求及分析对象的特点，构建基于网络信息体系的体系弹性网络指标体系。针对网络信息体系的动态演化所涌现出的网络信息体系的体系弹性以及各子系统单元的自身特性随时间变化对体系弹性影响。综合网络信息体系特点和体系对抗过程，可以通过网络信息体系的体系能力动态变化来描述网络信息体系弹性过程，构建网络信息体系的体系弹性指标体系；获取网络信息体系弹性的量化指标数据，包括探测侦查类数据、通信类数据、指挥控制类数据和打击毁伤类数据；利用所述的网络信息体系的体系弹性指标，构建层次化的网络指标体系。

所述指标分析模块，用于指标相关性分析和时间演化分析，提取关键数据，构建网络信息体系动态指标网；对网络信息体系的体系弹性指标体系进行时间演化分析。

所述分析模型构建模块，用于计算指标数据的权重以及体系单元能力的权重。基于上述的网络化指标体系；建立元素判断矩阵，根据特征值法对上述元素的判断矩阵进行归一化处理，得到归一化的权重矩阵；根据所述的归一化的权重矩阵和超矩阵的对应元素相乘，得到加权后的超矩阵，然后基于所述的加权超矩阵，进行极限幂次演化处理，形成一个稳定的超矩阵，此时超矩阵的各行的值都相同，即得到了所述各个单元对应的权重。

所述网络信息体系的体系能力分析模块，用于利用网络指标体系和所述体系单元能力权重，基于OODA环理论对网络信息体系的体系能力进行分析，得到分析结果。