基于数据耕种与数据挖掘的BMD系统效能评估*1



基于数据耕种与数据挖掘的BMD系统效能评估*1

王超1,2，刘付显1

(1.空军工程大学 防空反导学院，陕西 西安710051； 2. 空军装备研究院 防空所，北京100085)

摘要：针对目前BMD系统的特性，以数据为着手点，利用数据耕种和数据挖掘技术对BMD系统效能评估所需的数据进行预处理和筛选，继而对效能进行分析评估，获得评估结果。算例证明，利用数据耕种与数据挖掘技术进行武器系统效能评估能获得更优的评价结果。

关键词：弹道导弹防御系统；效能评估；数据挖掘；数据耕种；预处理和筛选；ADC模型

0引言

弹道导弹防御(ballistic missile defense, BMD)系统在空军装备体系中，占据了重要地位[1-3]。随着空袭兵器的迅速发展，威胁日趋严重，大力发展BMD系统已成为世界各军事强国共识。由于实际战例少，试验故障样本有限，BMD系统的作战效能评估问题很多一直是研究的热点。目前国内外对BMD系统的效能评估尚无统一的方法，主要有层次分析法、作战模拟法、云分析法、Petri网法等方法[4-8]。但是，无论利用哪种分析方法，始终注重的是武器系统效能评估中的数据，因为只有实际的数据才能给予武器系统效能高低真正的诠释，才能让我们对于所拥有的武器装备有理性的认识。武器系统效能数据的获取在如今这个和平年代显得有点不切实际，仅仅凭着几次打靶的数据还不足以满足利用武器系统效能评估获得真实评估结果的高额数据要求，所以，运用一种技术去获取数据显得迫在眉睫。本文针对数据获取这一问题，提出了数据挖掘与数据耕种技术，但该技术在BMD系统的作战效能评估上尚未广泛应用。

1评估方法

1.1数据耕种

数据耕种是一种基于问题性分析的生殖性方法，即以问题为核心进行往复的训练、数据获取和分析[9-12]。使用该方法可以产出大量对回答所研究的问题有效、可以接受的近似值。数据耕种不是利用某个特定的模型给出最终答案，而是从整体视角研究问题结果的可能性空间，是对传统分析方法和研究思路的转变。本质上是使用高性能计算，在模型整个参数空间内运行，获取无法直接得到的暗藏线索。基本思想就是在关注领域生长尽可能多数据,利用数据可视化、数据挖掘等方法对生长的数据在特定样本空间内进行分析，获得所关心问题答案及其发展趋势，并指导下一次耕种。用户对感兴趣的问题基于高性能计算平台开始数据的生产，包括施肥、栽培以种植；对收获的耕种数据通过挖掘、可视化等手段进行分析；最后保存获得的结果并指导下一次耕种，即实现耕种的再生过程。通过循环往复，获取用户所关心问题的答案。

如图1所示，数据耕种是一个不断迭代的循环过程，主要包括研究问题定义、模型开发和对抗模拟、参数空间探索、数据探索与分析等4个阶段[10]。其中前2个阶段对应于图1中左侧的“想定建立”循环，构建描述问题的系统模型，并通过模型或想定的编辑、检查循环过程，使得构建的模型能够满足开发人员要求。后2个阶段对应于图1中右侧的“想定运行空间执行”循环，一旦确定所构建的某个想定能够描述问题，那么就由开发人员确定需要检查的想定参数以及参数变更方法，通过高性能的计算环境探索参数空间，确定被检查的参数。最后通过数据分析、数据挖掘等方法对输出结果进行分析测量。

1.2数据挖掘

数据挖掘也称为数据库中的知识发现，是从大量数据中提取出可信、新颖、有价值的模式或规律等知识的复杂过程，它是数据耕种结果分析的手段之一[13]。可以把它简单地理解为利用软件工具和数据库技术，对数据进行前端处理，从大量现存的数据中寻找隐藏在其中的有用信息和线索，它是将机器学习应用于大型数据库的一种综合的信息处理技术[14]。对于一个具体的复杂军事问题研究来说，可以利用数据耕种方法，大量运行军事模型获取海量数据。对这些海量数据进行基于数据库的分析，就是数据挖掘技术的应用。

图1　数据耕种过程示图Fig.1　Process of data mining

一般地，数据挖掘系统的核心构成和处理过程[15]如图2所示。其中用户通过人机交互界面输入数据查询操作或指令任务，并对数据挖掘过程进行主动干预，例如帮助搜索、确定聚焦兴趣度等，用户界面是用户和数据挖掘系统之间通信的桥梁和中介；模式评估模块根据用户的兴趣度，在数据挖掘模块的交互配合下，对数据进行搜索、归并、聚焦有趣模式等操作；数据挖掘引擎用于对数据进行特征化、关联、分类、聚类等操作；知识库是数据挖掘技术的关键，用于指导数据搜索、分析等，其中还包括了数据的概念分层和用户的知识数据；数据库服务器在数据处理过程中，根据用户的数据挖掘请求指令从数据库、数据仓库等中提取相关数据；数据库、数据仓库和其他信息库是数据挖掘的操作对象。整个数据挖掘是个重复循环的迭代过程，使用每种技术探查数据中的细微差别，通过不同的技术和方法，不断地循环分析得到更好的或不同的结果。

2基于ADC模型的BMD系统效能评估

现有具备反导能力的地空导弹武器系统效能分3个方面，即导弹系统效能(D)、保障系统效能(B)、武器控制系统效能(K)。其中，导弹系统的故障间隔时间TD=42 h，故障修复时间RD=3 h；保障系统的故障间隔时间TB=48 h，故障修复时间RB=4 h；武器控制系统的故障间隔时间TK=64 h，故障修复时间RK=2 h；任务持续时间为2 h，且作战过程中武器装备不可修复。求出此次打靶该地空导弹能获得的效能。

(1) 导弹系统效能

导弹系统的可用度为

AD=(TD/(TD+RD),1-TD/(TD+RD))=

(0.933 3，0.066 7).

导弹系统的可信性矩阵为

因为在导弹系统工作正常的情况下，其可靠度就可作为其能力，所以，导弹系统的能力矩阵为

CD=(0.953 5，0).

因此，可以根据公式计算:

ED=ADDDCD=0.791 92.

(2) 保障系统效能

保障系统可用为

AB=(TB/(TB+RB)，1-TB/(TB+RB))=

(0.923 1,0.076 9).

保障系统的可信性矩阵为

图2　数据挖掘系统的构成Fig.2　Data mining system composition

同理可得，保障系统的能力矩阵为

CB=(0.959 2， 0).

因此，可以依据公式计算出保障系统效能

EB=ABDBCB=0.849 31.

(3) 导弹控制系统效能

控制系统可用度为

AK=(TK/(TK+RK)，1-TK/(TK+RK))=

(0.941 2， 0.058 8).

控制系统的可信性矩阵为

同理可得，控制系统的能力矩阵为

CK=(0.969 2， 0).

因此，控制系统的效能为

EK=AKDKCK=0.884 15.

故该型BMD系统的效能为

E1=(0.791 92，0.849 31，0.884 15).

(1)

运用ADC模型求解出的武器系统效能已经基本上能够满足平日研究需要，但是为了获取更加精确的效能评估结果，将引入数据耕种和数据挖掘技术对ADC法进行补充和修正，运用数据分析所得的结果进行效能评估，将得到更好的评估效果。

3基于数据耕种与数据挖掘技术的BMD系统效能评估

某型具有反导能力地空导弹效能参数同2.1，其原始数据为：TD=42 h，RD=3 h；TB=48 h，RB=4 h；TK=64 h，RK=2 h。

利用数据耕种进行循环提取数据[16]，耕种后所得一系列数据如表1所示。

表1　数据耕种相关参数

另外，对于系统的能力，不能仅仅运用其可靠度来表示，为此对系统的能力进行耕种，可得如表2所示数据。

表2　数据耕种能力值

通过数据耕种，得到了一系列与评估该武器系统效能相关的数据，下面，利用数据挖掘技术对这些耕种所得的数据进行分析，综合评判，得到相对来说更加精确可靠的数据。并依据所挖掘出的数据，再次对系统效能进行评估。

由于数据挖掘的实现算法过于繁杂，可以对数据进行挖掘所建立的模型赋权重，即给定每个考虑因素一个相应的权值，即是该因素在所有考虑因素中所占比例的大小，模型为

式中：Yi为各项参数数据挖掘后所得值；ai为各因素所占权重值；ci为各因素下的参数值。

所占权值见表1，2。依此，计算得到各参数的值：

TD=0.2×40+0.1×45+0.1×41+

0.2×41.8+0.4×42=41.76 h，

RD=0.2×3.5+0.1×2.4+0.1×3+

0.2×3.2+0.4×3=3.08 h，

TB=0.2×46.5+0.1×48.5+0.1×49+

0.2×47.5+0.4×48=47.75 h，

RB=0.2×4.25+0.1×3.62+0.1×4.1+

0.2×4.2+0.4×4=4.062 h，

TK=0.2×63+0.1×62.5+0.1×65+

0.2×64.5+0.4×64=63.85 h，

RK=0.2×1.8+0.1×2+0.1×2.2+

0.2×2.1+0.4×2=2 h.

能力参数的获取：

CD=0.2×0.951 5+0.1×0.96+0.1×

0.942 5+00.2×0.95+0.4×0.953 5=0.951 95，

CB=0.2×0.95+0.1×0.945+0.1×

0.951 5+0.2×0.956+0.4×0.959 2=0.954 53，

CK=0.2×0.965+0.1×0.97+0.1×

0.961+0.2×0.96+0.4×0.969 2=0.965 78.

由此，利用数据挖掘技术[17]从耕种的结果中得出了用于评估系统效能的数据，根据这些数据再次利用ADC模型对武器系统效能进行评估。

(1) 导弹系统效能

导弹系统可用度为

AD=(TD/(TD+RD)，1-TD/(TD+RD))=

(0.931 3， 0.068 7),

导弹系统可信性矩阵为

导弹系统的能力为

CD=(0.951 95， 0)，

因此，导弹系统的效能为

ED=ADDDCD=0.845 1.

(2) 保障系统效能

保障系统可用度为

AB=(TB/(TB+RB)，1-TB/(TB+RB))=

(0.921 6, 0.078 4)，

保障系统的可信性矩阵为

保障系统的能力矩阵为

CB=(0.954 53,0)，

因此，保障系统的效能为

EB=ABDBCB=0.843 6.

(3) 导弹控制系统效能

控制系统可用度为

AK=(TK/(TK+RK)，1-TK/(TK+RK))=

(0.969 6, 0.030 4)，

控制系统的可信性矩阵为

控制系统的能力矩阵为

CK=(0.965 78，0)，

因此，导弹控制系统的效能为

EK=AKDKCK=0.907 5.

故该型BMD系统的效能为

E2=(0.845 1，0.843 6，0.907 5).

(2)

4方法评价

首先对武器系统效能采用传统ADC方法进行评价，得到系统效能为(0.791 92，0.849 31，0.884 15)。基于数据耕种与挖掘技术进行评价时，利用数据耕种进行循环提取数据，得到数据耕种各能力值，利用权重赋值对结果进行挖掘，得到系统效能为(0.845 1，0.843 6，0.907 5)。另运用多种方法进行效能计算，经过专家综合评价，得出的效能近似真值为Eo=(0.85，0.85，0.90)。可以看出，运用数据耕种与数据挖掘技术进行处理后效能评价值更接近真实的效能值。利用该项技术能够有效地帮助人们对数据进行微观、宏观的统计、分析、综合和推理，了解数据中潜在的规律，获取更多、更准确的信息。

5结束语

本文所提BMD系统作战效能评估方法，相比传统ADC模型的方法，运用数据耕种与数据挖掘技术，将获得更加精确和可行的效能评估结果。该方法对于小样本试验数据准确评估武器系统作战效能具有一定的参考价值。

参考文献：

[1]李为民, 陈刚, 王颖龙,等. 空天防御概论[M].北京: 国防大学出版社, 2010.

LI Wei-min, CHEN Gang, WANG Ying-long, et al. Air and Space Defense Introduction [M]. Beijing: Defense University Press, 2010.

[2]杨学军, 张望新. 优势来自空间-论空间战场与空间作战[M].北京: 国防工业出版社, 2006.

YANG Xue-jun, ZHANG Wang-xin. Dominance Comes from Space-Discuss the Space Battlefield and Space Operation [M]. Beijing:National Defense Industry Press, 2006.

[3]孙连山, 杨晋辉. 导弹防御系统[M]. 北京: 航空工业出版社, 2004.

SUN Lian-shan, YANG Jin-hui. Missile Defense System [M]. Beijing: Aviation Industry Press, 2004.

[4]李廷杰.导弹武器系统的效能及其分析[M].北京:国防工业出版社,2000.

LI Ting-jie. The Missile Equipment System Effectiveness and analysis [M]. Beijing:National Defense Industry Press, 2000.

[5]陈文齐. 防空导弹武器系统作战效能评估分析[D]. 厦门: 厦门大学, 2006.

CHEN Wen-qi. Assessment and Analysis on the Operational Efficiency of Air Defense Missile Weapon System [D]. Xiamen: Xiamen University, 2006.

[6]齐善明, 李磊. 基于Grey-AHP的炮兵指挥信息系统作战效能评估[J]. 舰船电子工程, 2011, 31(3): 30-33.

QI Shan-ming, LI Lei. Operational Effectiveness Evaluation of Artillery Command Information System Based on Grey-AHP [J]. Ship Electronic Engineering, 2011, 31(3):30-33.

[7]焦利明, 于伟, 罗均平,等. 基于云重心评判法的指挥自动化系统效能评估[J]. 情报指挥控制系统与仿真技术, 2005, 27(5): 71-74.

JIAO Li-ming, YU Wei, LUO Jun-ping, et al. Effectiveness Evaluation of C3I System Based on Membership Cloud Gravity Center [J]. Information Command Control System & Simulation Technology, 2005, 27(5):71-74.

[8]李智生, 李俊山, 耿志. 基于模糊神经Petri网的武器装备效能评估模型[J]. 电光与控制, 2007, 14(5): 113-116.

LI Zhi-sheng, LI Jun-shan, GENG Zhi. Weapon Equipment Effectiveness Evaluation Model Based on Fuzzy Neural Petri Net [J]. Electronics Optics & Control, 2007, 14(5):113-116.

[9]鞠儒生. 基于数据耕种与数据挖掘的系统效能评估方法研究[D]. 长沙: 国防科学技术大学, 2006.

JU Ru-sheng. Research of System Effectiveness Evaluation Based on Data Farming and Data Mining [D]. Changsha: National University of Defense Technology, 2006.

[10]李明忠, 毕长剑, 刘小荷,等. 基于作战模拟的数据耕种技术研究[J]. 计算机仿真, 2008, 25(7): 1-4.

LI Ming-zhong, BI Chang-jian, LIU Xiao-he, et al. A Research on Data Farming Based on Combat Simulation [J]. Computer Simulation, 2008, 25(7): 1-4.

[11]王晓海. 数据挖掘: 概念、模型、方法和算法[M]. 吴志刚，译.北京: 清华大学出版社, 2013.

WANG Xiao-hai. Data Mining: Concepts, Models, Methods, and Algorithms[M].WU Zhi-gang. Translated. Beijing: Tsinghua University Press, 2013.

[12]毛国君, 段立娟, 王实,等. 数据挖掘原理与算法[M]. 北京:清华大学出版社, 2007.

MAO Guo-jun, DUAN Li-juan, WANG Shi, et al. The Data Mining Principle and Algorithm [M]. Beijing: Tsinghua University Press, 2007.

[13]苏新宁, 杨建林, 江念南，等. 数据仓库和数据挖掘[M]. 北京: 清华大学出版社, 2006.

SU Xin-ning, YANG Jian-lin, JIANG Nian-nan, et al. Data Warehouse and Data Mining [M]. Beijing: Tsinghua University Press, 2006.

[14]桂强. 数据挖掘及信息融合技术在电网故障信息系统中的应用[D].上海: 上海交通大学, 2007.

GUI Qiang. Application of Data Mining and Information Fusion Technologies in Power Grid Fault Information System [D]. Shanghai: Shanghai Jiaotong University, 2007.

[15]张燕. 网格环境中数据挖掘执行过程模型的研究[D]. 北京: 北京交通大学, 2011.

ZHANG Yan. Research on Data Mining Execution Process Model in Grid Environment [D]. Beijing: Beijing Jiaotong University, 2011.

[16]吴艳征, 赵冰化, 邓武. 数据挖掘技术在企业管理层考评中的应用[J]. 舰船电子工程, 2014, 34(6):99-103.

WU Yan-zheng, ZHAO Bing-hua, DENG Wu. Application of Data Mining Technology in the Evaluation of Corporate Management [J]. Ship Electronic Engineering, 2014, 34(6): 99-103.

[17]Muhammad Shaheen, Muhammad Shahbaz, Zahoor ur Rehman, et al. Data Mining Applications in Hydrocarbon Exploration [J]. Artif Intell Rev, 2011, 35:1-18.

BMD System Effectiveness Evaluation Based on Data Farming and Data Mining

WANG Chao1，2, LIU Fu-xian1

(1.AFEU,Air and Missile Defense School, Shaanxi Xi’an 710051, China；2.Equipment Academy of Air Force,Land-Based Air Defense Equipment Institute,Beijing 100085,China)

Abstract:Based on characteristics of ballistic missile defense (BMD) system and taking the data as the stance, the data farming and data mining technology is adopted to preprocess and screen the data needed in BMD system effectiveness evaluation, then effectiveness evaluation is analyzed to obtain the evaluation results. The example proves that the data farming and data mining technology to create a weapons systems effectiveness evaluation can obtain better evaluation results.

Key words:ballistic missile defense(BMD) system; effectiveness evaluation; data farming; data mining; preprocess and screen; ADC model

中图分类号：N945.1；TJ761.3

文献标志码：A

文章编号：1009-086X(2015)-05-0039-06

doi:10.3969/j.issn.1009-086x.2015.05.007

通信地址：710051陕西省西安市长乐东路甲字1号空军工程大学防空反导学院E-mail：caipiao10000@163.com

作者简介：王超(1980-)，男，甘肃金塔人。硕士生，主要研究方向为地空导弹武器作战能力评估。

*收稿日期：2015-04-13；修回日期：2015-08-17