动态数据驱动应用系统仿真研究综述

许正昊， 张小和， 张洋洋， 胡小梅1a，

（1.上海大学a.上海市智能制造及机器人重点实验室；b.机电工程与自动化学院，上海200072；2.上海无线电设备研究所，上海200090）

动态数据驱动应用系统仿真研究综述

许正昊1b， 张小和2， 张洋洋1b， 胡小梅1a，1b

（1.上海大学a.上海市智能制造及机器人重点实验室；b.机电工程与自动化学院，上海200072；2.上海无线电设备研究所，上海200090）

随着仿真在各个领域的深入研究与应用，提出了基于动态数据驱动应用系统仿真，以提高仿真的准确度。介绍了动态数据驱动应用系统的概念，分析了它相对于传统仿真的优势。描述了动态数据驱动应用系统体系结构，并阐述了动态数据驱动应用系统三个方面的关键技术：数据同化、仿真环境下的动态建模、数据驱动决策。最后论述了动态数据驱动应用系统在环境仿真及军事仿真中的应用。

动态数据驱动应用系统；在线仿真；数据同化；动态建模

0 引言

随着各个领域研究的深入以及发展，对于其研究所需要的系统也提出了更高的要求。系统从小型、单变量、线性向着大型、多变量、非线性的方向发展，同时这些系统往往具有不确定性、时变性等特点［1］。由于仿真方法本身具有安全性、快捷性、无破坏性以及不受时空条件的约束等特点，已成为研究系统不可替代的方法。目前，仿真方法广泛应用于系统开发、系统可行性分析、系统测试与评估等方面。

随着仿真研究的深入，各种仿真方法得到了发展和改进。分布式仿真、在线仿真、并行仿真等先进仿真方法的出现使得仿真方法变为了研究复杂系统的重要方法。但是这些仿真方法有着自己的局限性。例如分布式仿真方法虽然在系统的互操作性以及人机交互性方面取得了很大的提升，但仍然缺乏对大型系统在动态条件下精确预测的能力［2］。在线仿真具有连续提供仿真结果并在一定的时间内给出支持、优化的效果，但在线仿真不具备动态的自适应能力［3］。针对以上产生的问题，需要研究新的仿真方法。

理论研究、实验测试和仿真计算已成为人们探索世界和改造世界的三种基本的方法［4］。目前，这三种方法中，实验测试与仿真计算之间的关系在时间维度上是静态的，在空间维度上是分离的。它们三者之间的关系如图1（a）所示。由于实验测试以及仿真计算的变化不能及时直接地影响到另一方，使得另一方做出相应的调整，如果能加强两者之间的联系，即在仿真过程中能加入实验现场的动态数据，则对复杂系统就有了更好的预测，评估以及优化如图1（b）所示。根据这一思路，美国国家自然科学基金会（NSF）提出了动态数据驱动的应用系统（Dynamic Data Driven Application System，DDDAS）概念［5］，为解决复杂系统的仿真问题提供了一条新的路径。

图1 传统系统与动态数据驱动系统的区别对比

1 DDDAS的概念

1.1 DDDAS的历史以及发展现状

20世纪80年代，Frederica Darema博士通过仿真以及测量技术在石油开采的辐射计算中最早产生了DDDAS思想［6］。随着计算机技术的发展，DDDAS思想逐步得到了实现。DDDAS概念最初提出的原因是为了解决气象以及火灾预测不准确的问题［7］。由于这些模型的参数都是早期输入，而现实条件下这些参数都随着时间变化而变化，两者的误差会导致预测结果与现实结果的误差。为了解决这类问题，产生了DDDAS的概念。DDDAS术语在2000年3月被NSF组织正式确定，在2006年的WSC冬季仿真大会上成立了DDDAS讨论组。NSF在2000-2009年期间资助了多个相关项目。除了美国的NSF，其他各个国家的科研基金，包括欧盟信息社会技术计划和英国科研委员会也展开了相关的研究［8］，已经在各个领域都有了广泛的应用［9］。

DDDAS在我国起步较晚，目前这一技术在军事仿真分析领域得到了较好的研究与应用［10］。很多高校将该技术运用在复杂系统的仿真中，取得了一定的成果。

1.2 DDDAS的基本概念

对于DDDAS，不同的文献有着不同的定义。NSF对于DDDAS的定义是“一种新的协作应用和测量系统模式的研究，在这种模式下，仿真运行能够接受相应注入到应用的新数据。同时，这些应用系统也具有动态控制测量过程的能力”［11］。其中DDDAS仿真则是应用DDDAS模式的仿真系统。

1.3 DDDAS仿真系统的优势

DDDAS仿真相对于传统仿真具有多方面的优势，具体体现以下几个方面：

1）DDDAS仿真可以提高仿真的精度［12］。这是DDDAS仿真相对于传统仿真最大的优势。对于一些复杂、多参数、非线性系统，DDDAS仿真可以很好地提高仿真精度，进而提升仿真的分析与预测能力。

2）DDDAS仿真的范围更为宽广。一是涉及学科的多样性，对于多学科的研究有着很重要的意义；二是仿真的时间范围，由于DDDAS可以用于实时控制、决策以及支持领域，因而提高了系统的时效性。

3）DDDAS仿真的结构不同［13］。传统仿真本身不会接受动态的数据，属于一个开环系统。而DDDAS系统将仿真系统与实际系统连接成为了一个闭环的系统：实际系统的数据会动态地注入到仿真系统中对仿真动作做出反映，同时仿真结果会影响实际系统，达到动态地控制实际系统的效果。

4）DDDAS仿真的效果不同［14］。由于传统的仿真效果只是仿真系统推导出结果来影响实际系统，效果是单方向的，而DDDAS仿真实际系统以及仿真系统的数据是互相产生影响，在效果上属于双向的，即仿真系统受益于实际系统的数据完成验证；实际系统通过仿真系统完善实验结果。

2 DDDAS仿真研究内容以及关键技术

DDDAS仿真系统的体系结构如图2［15］所示。

根据图2，DDDAS的关键技术包括：数据同化、动态建模、数据驱动决策、动态适应算法等。

2.1 数据同化

为了实现DDDAS仿真效果，整个仿真系统应该具有读取不同设备的动态数据，并将这些数据转化为同一类数据的能力。这就需要对数据同化算法进行进一步地探索。数据同化是指通过数学模型拟合观测数据的一种渐进方式，通常用于复杂系统的建模和动态预报［16］。现在主流的数据同化算法包括四维变分同化和集合卡尔曼滤波。

图2 DDDAS仿真系统体系结构图

1）四维变分算法［17］。四维变分算法是从三维变分算法改进而来。前面的三维是指在某个时刻的某个时间段内物体的运动轨迹。而第四维是指加上时间这个维度。当前四维变分算法领域的研究热点包括:增量四维变分算法及其并行化计算;弱约束四维变分算法;四维变分算法和集合卡尔曼滤波算法相结合。

2）集合卡尔曼滤波［18］。集合卡尔曼滤波算法是20世纪90年代中期集合预报与卡尔曼滤波方法的结合。它通过蒙特卡洛法计算状态的预报误差协方差，用集合的思想解决了实际应用中背景误差协方差矩阵的估计和预报困难的问题，可以用于非线性系统的数据同化，同时有效降低了数据同化计算量。

2.2 仿真环境下的动态建模

在使用DDDAS方法开始仿真时，需要对相关领域构建仿真环境，即对仿真系统中设备进行动态建模［19］。为了使模型具有良好的结构和维护性，建模步骤如下：

1）研究这些仿真环境自己的特定结构；

2）设计各个分系统以及所遵行的公共框架，使各个分系统之间有良好的操作性以及可重用性；

3）设计分系统之间的接口，保证这些接口可以互相操作；

4）根据现场的数据对系统进行调整，找到该系统相关参数的最优值，以建立最优方案。

2.3 数据驱动决策

数据驱动决策［20］是在决策支持系统（DSS）的基础上集成数据驱动的模块，主要包含数据仓库技术、数据挖掘技术和相关的人工智能技术等。

数据仓库技术［21］（Data Warehousing）是基于信息系统业务发展的需要，基于数据库系统技术发展而来，并逐步独立的一系列新的应用技术。数据仓库技术用于支持高层决策分析，而事务处理数据库在企业的信息环境中承担的是日常操作性的任务。数据仓库技术具有为面向主题、集成化特性等特点，侧重于数据的存储和查询分析，为决策分析提供面向主题的集成的高质量数据，从多视角途径获取分析数据。

数据挖掘［22］是从存放在数据库、数据仓库和其他信息库中的大量数据中挖掘用户需要的数据。其中包括人工智能、机器学习、模式识别、统计学、数据库、知识库及数据可视化等。知识发现的整个过程包括在指定的数据库中用数据挖掘算法提取模型，以及围绕数据挖掘进行的预处理和结果表达等一系列计算步骤。数据挖掘侧重于知识的发现，识别和抽取数据仓库中隐含的、潜在的有用信息；人工智能技术则表现为机器知识的学习、表示和管理。

3 DDDAS的应用

DDDAS概念的提出最早是为了解决工程领域的大型、复杂、非线性系统的仿真问题而产生的。从各个领域系统仿真的发展来看，DDDAS技术在仿真技术中起了相当重要的推动作用。

3.1 DDDAS在环境仿真领域的应用

DDDAS的环境仿真方面的应用处于初级阶段，将DDDAS应用于该领域有着相当重要的意义。

刘鹏举等［23］在研究分布式水文模型过程中，以流域水文学理论、DDDAS技术、尺度理论为指导，提出多尺度分布式水文过程模拟研究框架，来解决基于GIS的多尺度地表径流模型模拟关键技术问题，为森林植被对区域农业水土资源调控范围和强度问题提供理论与方法。

Andíes Cencerrado等［24］在预测火灾演化过程，采用DDDAS技术运用仿真模型，改进了两层相连的预测模型，从而提高预测火灾蔓延模拟的精度,减少火灾造成的损失。

3.2 DDDAS在军事仿真领域的应用

DDDAS仿真方法能够实现在信息化条件下的作战仿真。基于动态数据驱动仿真的嵌入式辅助决策系统研究，将战前准备与战中实施结合、方法制定与分析评估于一体，如美军国防部展开了“深绿”计划［25］。这一计划涉及到开放的体系结构、多模式人机交互、混合仿真、在线评估、数据标准、互操作接口的内容。

在国内，朱林等［26］为了能够在实时动态的条件下更加准确地仿真电子战系统的行为，提出了基于动态数据驱动的思想，结合电子对抗作战的特点，采用多智能体技术建立了电子战仿真系统模型。

4 总结与展望

随着计算机技术、传感器技术、硬件控制技术的提高，DDDAS技术在仿真领域得到了应用，推动了仿真技术的发展。随着DDDAS应用领域的不断扩展，将DDDAS技术应用于大型、复杂、非线性系统的仿真，符合仿真领域的发展方向和技术需求，非常有应用前景。

［1］ 马贺贺.基于数据驱动的复杂工业过程故障检测方法研究［D］.上海：华东理工大学，2013.

［2］ 金淳，邓玲丽，高鹏.集装箱港口作业资源配置的分布式仿真优化方法［J］.系统管理学报ISTIC PKU CSSCI，2011，20（3）：363-369.

［3］ Zhu S，Xie F，Levinson D.Enhancing transportation education through online simulation using an agent-based demand and assignmentmodel［J］.JournalofProfessionalIssuesin Engineering Education and Practice，2010，137（1）：38-45.

［4］ 胡晓峰，司光亚，罗批，等.战争复杂系统与战争模拟研究［J］.系统仿真学报，2005，17（11）：2769-2774.

［5］ Darema F.Introduction to the ICCS2006 workshop on dynamic data driven applications systems［M］//Computational Science-ICCS 2006.Springer Berlin Heidelberg，2006：375-383.

［6］ Darema F.Dynamic data driven applications systems：New capabilities for application simulations and measurements［M］// Computational Science -ICCS 2005. Springer Berlin Heidelberg，2005：610-615.

［7］ Darema F.Grid computing and beyond：The context of dynamic data driven applications systems［C］//Proceedings of the IEEE，2005：692-697.

［8］ 周云，黄柯棣，胡德文.动态数据驱动应用系统的概念研究［J］.系统仿真学报，2009（8）：2138-2141.

［9］ 柳叶青.国外教育领域数据驱动决策研究述评［J］.上海教育科研，2013（9）：14-18.

［10］ 黄柯棣，赵鑫业，杨山亮，等.军事分析仿真评估系统关键技术综述［J］.系统仿真学报，2012，24（12）：2439-2447.

［11］ Madey G R，Barabási A L，Chawla N V，et al.Enhanced situational awareness：Application of DDDAS concepts to emergency and disaster management［M］//Computational Science-ICCS 2007.Springer Berlin Heidelberg，2007：1090-1097.

［12］ Celik N，Lee S，Vasudevan K，et al.DDDAS-based multifidelity simulation framework for supply chain systems［J］.IIE Transactions，2010，42（5）：325-341.

［13］ Cortial J，Farhat C，Guibas L J，et al.Compressed sensing and time-parallel reduced-order modeling for structural health monitoring using a DDDAS［M］//Computational Science-ICCS 2007.Springer Berlin Heidelberg，2007：1171-1179.

［14］ Patra A K，Bursik M，Dehn J，et al.Challenges in Developing DDDAS Based Methodology for Volcanic Ash Hazard Analysis-Effect of Numerical Weather Prediction Variability and Parameter Estimation［J］.Procedia Computer Science，2013，18：1871-1880.

［15］ 韩守鹏，邱晓刚，黄柯棣.动态数据驱动的适应性建模与仿真［J］.系统仿真学报，2006，18（2）：147-151.

［16］ 马建文，秦思娴.数据同化算法研究现状综述［J］.地球科学进展，2012，27（7）：747-757.

［17］ 胡娅敏，丁一汇，沈桐立.基于遗传算法的四维变分资料同化技术的研究［J］.大气科学，2006，30（2）：248-256.

［18］ Sakov P，Evensen G，Bertino L.Asynchronous data assimilation with the EnKF［J］.Tellus A，2010，62（1）：24-29.

［19］ 郑超，周孝信.基于电压源换流器的高压直流输电小信号动态建模及其阻尼控制器设计［J］.中国电机工程学报，2006，26（2）：7-12.

［20］ 侯忠生，许建新.数据驱动控制理论及方法的回顾和展望［J］.自动化学报，2009，35（6）：650-667.

［21］ March S T，Hevner A R.Integrated decision support systems：A data warehousing perspective［J］.Decision Support Systems，2007，43（3）：1031-1043.

［22］ 朱明.数据挖掘［M］.中国科学技术大学出版社，2008.

［23］ 刘晓明.北京林业大学2006-2007年博士学位论文题录［J］.北京林业大学学报，2007，29（6）：219-224.

［24］ Cencerrado A，Cort?es A，Margalef T.Prediction Time Assessment in a DDDAS for Natural Hazard Management：Forest Fire Study CaseI［J］.Procedia Computer Science，2011（4）：1761-1770.

［25］ Detchprohm T，Zhu M，Zhao W，et al.Enhanced device performance of GaInN based deep green light emitting diodes with V defect free active region［J］.physica status solidi（c），2009，6（S2）：S840-S843.

［26］ 朱林，方胜良，吴付祥，等.基于动态数据驱动的电子战仿真系统［J］.电子信息对抗技术，2013，28（2）：52-57.

（编辑：毕 胜）

Overview of the Simulation for Dynamic Data Driven Application System

XU Zhenghao1b， ZHANG Xiaohe2， ZHANG Yangyang1b， HU Xiaomei1a，1b
（1.a.Shanghai Key Laboratory of Intelligent Manufacturing and Robotics;b.School of Menchanical Engineering and Automation, Shanghai University,Shanghai,200072,China;2.Shanghai Institute of Radio Equipment,Shanghai 200090,China）

With the research and application of simulation in various fields,dynamic data driven application system（DDDAS）simulation is used to improve the accuracy.The basic concept of DDDAS is introduced and compared with the traditional simulation.The architecture of DDDAS simulation is described and its key technologies,that is,the data assimilation,the dynamic modeling in the simulation environment,the data-driven decision-making are detailed. Finally,the application of DDDAS in the simulation of the environment and the military is discussed.

dynamic data driven application system;online simulation;data assimilation;dynamic modeling

TP 391.7

A

1002－2333（2014）04－0094－04

许正昊（1990-），男，硕士研究生，主要研究方向为虚拟仿真；胡小梅（1978-），女，副研究员，硕士生导师，主要研究方向为虚拟仿真与制造业信息化。

2013-12-30

上海市科委科技攻关计划资助项目（13111101303）