基于云推理的目标电磁环境威胁度评估方法

代强伟，薛磊，李修和

(电子工程学院，安徽 合肥 230037)

基于云推理的目标电磁环境威胁度评估方法

代强伟，薛磊，李修和

(电子工程学院，安徽 合肥 230037)

云模型能够实现定性概念与定量数值之间的相互转换，将云模型这一优点引入到电磁威胁度评估，利用云模型发生器、条件规则发生器、逆向发生器，并结合权重设计出云推理算法系统。以战场电磁空间为背景，利用Matlab平台对云推理算法系统仿真计算，得出具体的目标电磁环境威胁程度，检验了该方法的效果。

电磁环境；威胁评估；云模型；云发生器；云推理；权重值

0 引言

对于目标的电磁威胁态势评估，通常对电磁威胁度进行定性的描述，然后再努力通过定量的方法将其表示。可以说，随机性和模糊性是目标电磁威胁态势的2个基本特征，如何在评估过程中兼顾到这2个基本特征一直没能引起研究人员的足够重视。

樊霖辉等人在文献[1]中将威胁等级划分为4个等级，并加以明确的范围界定。对于威胁程度这个概念，用准确的定量数学语言来表示无法体现出其不确定性；用概念描述的方法虽然比数学语言更真实、更易理解，但不便于实际衡量。云模型的提出正好弥补了两者之间的不足，能够实现定性概念与定量数值之间的双向转换，且反映了定性描述中的模糊性和不确定性。

1 云模型的基本概念

1.1 云模型

李德毅[2]院士这样对云模型作出定义：设U是一个用精确数值表示的定量论域，C是U上的定性概念。若定量值x∈U，且x是定性概念C的一次随机实现，x对C的确定度μ(x)∈[0,1]是具有稳定倾向性的随机数μ：U→[0,1],∀x∈U,x→μ(x) 则x在论域U上的分布称为云，每一个x称为一个云滴，表示为drop(x,μ(x))。

云是由云滴组成，从上述定义中可以看出，一个云滴是一个定性概念的一次随机具体实现，因为云滴对定性概念的确定度具有稳定倾向性，所以云滴越多越能反映这个定性概念的整体特征。云通过期望Ex、熵En、超熵He3个数字特征来表征一个概念，期望Ex是云滴在论域空间上分布的期望。熵En为该定性概念云滴化后的不确定性度量，由云滴值的模糊性和随机性共同决定，表示在论域空间可以被定性概念接受的取值范围大小。超熵He为熵的不确定性度量，即熵的熵，由En的模糊性和随机性共同决定。

因为正态分布具有普适性，应用广泛，而且只有均值方差2个参数，虽形式简单但几何特征明显，符合自然界大多数事物的规律。正态云是基于正态分布或半正态分布的散点云模型，是一种重要的云模型。在云模型中，定性概念与定量数值之间的转换是通过云发生器来实现的。如图1所示，是使用Matlab对不同参数的正态云模型的仿真实现。

正态云C(Ex,En,He)主要有期望、熵、超熵3个参数来控制，从上面的仿真结果可以得出熵反映云滴在论域中的离散程度，熵越小，云滴分布范围越小，反之，云滴的分布范围就会越大；超熵是熵的不确定性度量，由熵的随机性和模糊性共同决定，代表云层的厚度和离散度。超熵越大，云层越厚越离散；反之，超熵越小，云层越薄越集中。

1.2 云发生器[3-4]

云发生器是云模型中定性概念与定量数值之间相互转换的媒介，云发生器包括正向云发生器和逆向云发生器。正向云发生器实现定性概念到定量值的映射，逆向云发生器实现的是定量数值到定性概念的转化过程。

1.2.1 正向云发生器

云模型中，给定一个确定的定量论域U，a是论域上的一个特定点，C(Ex,En,He)是U上的定性概念，云发生器的作用就是特定点a属于定性概念C的确定度分布。正向云发生器的算法如下：

算法1：

输入：定性概念的数字特征C(Ex,En,He)，生成云滴数量N，特定点a。

输出：特定值a的N个云滴x及其确定度μ。

图1 不同参数云模型Fig.1 Cloud model with different parameters

算法步骤：

(3) 计算确定度；

(4) 具有确定度μ的x成为论域中的一个云滴；

(5) 重复步骤(1)到(4)，直到产生N各云滴。

1.2.2 逆向云发生器

逆向云发生器实现从样本数据集合到定性概念的数字特征的转换，是正向云发生器的逆向运算，算法与正向云发生器相反。

算法2：

输入：样本点x1,x2,…,xn。

输出：定性概念的数字特征(Ex,En,He)。

算法步骤：

1.2.3 单条件单规则发生器

规则发生器是由前件云发生器与后件云发生器相连接而构成，其结构如图2所示。

图2 单条件单规则发生器Fig.2 Single condition and rule generator

算法3：

输入：规则前件定性概念A的数字特征(ExA,EnA,HeA)，规则后件定性概念B的数字特征(ExB,EnB,HeB),前件论域中的特定值a。

输出：后件论域中的云滴b及其确定度μ。

算法步骤：

(1) 生成一个以ExA为期望值，HeA为标准差的高斯随机数EnA′；

(4) 如果输入值激活的是规则前件的上升沿，则规则后件也选择上升沿，反之亦然。

2 评估指标体系构建及指标属性云模型转化[5-6]

2.1 指标体系构建

时变功率密度谱S(r,t,f)是一个相对复杂的数学表达式，它不能简单直观地对电磁环境进行描述。人们为了描述复杂的战场电磁环境，基于时域、频域、空域、能域这“四域”，先后提出时间占有度、频谱占有度、空间覆盖率、平均功率谱密度、电磁设备干扰度、背景信号强度等多种定量指标。电子目标环境威胁度指标的选取，既要考虑电磁信号环境的客观性，也要考虑对电子对抗装备的影响，同时还要考虑指标在实际使用中的可操作性。根据战场上实际电磁环境的辐射源复杂性，信号密集性，背景信号复杂性等实际特性，在此选取以下指标建立评估指标体系[7]，如图3所示。

2.2 指标属性云模型转化

指标体系建立完成后，由于各指标属性值的量纲不同、取值范围也不相同，不便于进一步的推理。因此需要对各指标进行合理的量化以及归一化的处理，使所有的指标属性值都在区间[0,1]范围内，属性值越大表示威胁程度越大。然后对不同指标属性值的论域进行分段划分，对各分段赋予不同的含义，进行定性描述。

因为指标属性值的测量具有不确定性，并且定性描述具有模糊性，为了实现定性描述与定量数值之间的不确定转换，需要对一级指标整体威胁度、二级指标3个属性的威胁度来源以及具体的三级指标进行云模型转化。

图3 目标电磁环境威胁度评估指标体系Fig.3 Threat degree evaluation index system of target electromagnetic environment

下面以整体威胁度为例,介绍如何进行云模型转化。将整体电磁环境威胁度划分为7级：无、极小、较小、中等、大、较大、极大。则在威胁度论域上，各级中心值对应的数值分别为0，1/6，1/3，1/2，2/3，5/6，1。在一个正态云中，[Ex-3En,Ex+3En]区间对云所表示概念的贡献达到99.74%(即所谓的“3En规则”)，这与正态分布的“3σ原则”极为相似，因此，为较好地区分威胁度云族的各个云，保证各个云在相应论域的优势，云的熵En设定为论域宽度的1/6，云的超熵He由熵的随机性和模糊性共同决定，根据经验，He=En/10。

则威胁度论域的7个云分别为无威胁云CW1(0,1/36,1/360)，极小威胁云CW2(1/6,1/36,1/360)，较小威胁云CW3(1/3,1/36,1/360)，中等威胁云CW4(1/2,1/36,1/360)，大威胁云CW5(2/3,1/36,1/360)，较大威胁云CW6(5/6,1/36,1/360)，极大威胁云CW7(1,1/36,1/360)。利用Matlab工具对威胁度云族进行仿真，得出如图4所示结果。

图4 威胁等级云族Fig.4 Threat level of cloud

根据以上所述，可以设计相应的云发生器，图5所示，其中u为输入的归一化变量值。

图5 威胁度云发生器Fig 5 Threat degree of cloud generator

3 云模型推理方法[8-9]

3.1 推理规则构建

推理规则的基本形式是ifAthenB,其中A表示前提条件，B表示的是结论。若前提条件有多个，则相互之间用“and”连接。推理规则中，前提条件和结论都应包括其各自论域中的所有分段，使构建的推理规则具有完整性。

3.2 推理系统设计

3.2.1 权重值的确定

第2节中介绍的规则发生器仅限于单个规则的不确定性推理，若推理系统中有2个规则，常用的方法是利用双条件规则发生器通过“软与”操作进行不确定性推理。但是实际情况中推理条件往往不止两条，随着条件的增加，运算量也会变得巨大。

针对传统的云推理运算量大的缺点，可以对其作出改进，将每一个指标属性作为独立的条件，将传统的多条件规则发生器拆为多个独立的单条件单规则发生器，再结合每个指标的权重进行云模型推理。基于权重云模型推理的流程如图6所示。

图6 云模型推理系统Fig.6 Cloud model inference system

权重的确定可以采用较为简单实用的层次分析法[10-11]，主观与客观相结合确定每个指标的权值。其步骤如下：

(1) 根据各条件重要程度比较构造判断矩阵；

(2) 根据判断矩阵进行一致性检验，对判断矩阵中元素调整；

(3) 计算判断矩阵的特征向量，对其归一化处理，得到各指标条件的权值。

3.2.2 逐级云推理

因为空间目标电磁威胁态势评估指标体系分为3层指标，所以采用自下而上逐级推理的方法。将三级指标属性值输入云发生器生成属性云滴，经过规则发生器的推理运算和加权平均得到二级指标的属性云滴值。同样的方法，推理得出一级指标属性云滴，即整体威胁度云滴值。因为本文构建的指标体系只有2层，所以只要进行一层云推理。

3.2.3 逆向云发生器生成整体威胁度

云模型推理是个不确定性推理过程，为了消除不确定性因素对最终威胁度的影响，对整个推理过程进行f(f≥100)次自下而上的重复。将得到的多个整体威胁度云滴值输入逆向云发生器，其输出的期望值即为最终的整体威胁度。

4 实例分析

环境设定：假设某型低轨卫星处于空间运行状态，在某一特定时间，根据采集到的相关数据和计算模型，其受到预警卫星探测识别概率为0.8，地基预警雷达的探测识别概率为0.6，电子侦察卫星探测识别概率为0.7。某型低轨卫星用频设备的频段范围是1 610～1 630 MHz，即Δfr=20 MHz，最大信号环境适应能力为104。正常工作情况下可识别信号样式10种，最大可识别20种信号样式。该卫星运行至空间某位置时，经侦测得到卫星周围空间存在8种样式的信号，信号密度系数为5 400，其中干扰频带与用频设备频段重合度约为45%，经仪器检测背景信号强度为2.8Pmin，超过5Pmin则视为背景信号极强，用频设备天线与辐射源信号方向重合度为55%，辐射源信号对低轨卫星干扰的时间和能域都满足产生降效性影响的要求。若对该型低轨卫星进行毁伤性打击，定向能武器对其毁伤能力根据模型计算设为0.4，动能武器对其毁伤能力设为0.3。指标数据如表1所示。

云模型推理方法：

步骤1：指标属性云模型化及云发生器建立

表1 指标数据

根据指标属性进行云模型转化的方法，再将二级指标、三级指标分别云模型化。三级指标中，通过测量计算得到的降效性威胁度指标需要根据“if A then B”的推理规则，设计单条件单规则发生器，即同时设计出云模型发生器对应的后件云发生器。

二级指标：

三级指标：

预警卫星探测识别率云模型化，CX(0,1/24,1/240)，CX(0.25,1/24,1/240)，CX(0.5,1/24,1/240)，CX(0.75,1/24,1/240)，CX(1,1/24,1/240)，依次表示预警卫星的探测识别率很低、较低、中等、较高、很高。

预警雷达探测识别率云模型化，CL(0,1/24,1/240)，CL(0.25,1/24,1/240)，CL(0.5,1/24,1/240)，CL(0.75,1/24,1/240)，CL(1,1/24,1/240)，依次表示预警雷达探测识别率很低、较低、中等、较高、很高。

电子侦察卫星探测识别率云模型化，CD(0,1/24,1/240)，CD(0.25,1/24,1/240)，CD(0.5,1/24,1/240)，CD(0.75,1/24,1/240)，CD(1,1/24,1/240)，依次表示电子侦察卫星的探测识别率很低、较低、中等、较高、很高。

电磁信号类型样式Y云模型化，CY1(0,5/3,1/6),CY2(10,5/3,1/6),CY3(20,5/3,1/6),依次表示电磁信号类型少(Y1),中等(Y2)，多(Y3)。对应的后件云发生器CY1′(0,1/12,1/120)，CY2′(0.5,1/12,1/120)，CY3′(1,1/12,1/120)，依次表示威胁程度小、中等、大。

频率重合度P云模型化，CP1(0,5,1/2)，CP2(25,5,1/2)，CP3(50,5,1/2)，CP4(75,5,1/2)，CP5(100,5,1/2)，依次表示频段重合百分比很小(P1),较小(P2)，中等(P3)，较大(P4)，很大(P5)。对应的后件云发生器CP1′(0,1/24,1/240)，CP2′(0.25,1/24,1/240)，CP3′(0.5,1/24,1/240)，CP4′(0.75,1/24,1/240)，CP5′(1,1/24,1/240)，依次表示威胁程度很小、较小、中等、较大、很大。

方向重合度F云模型化，CF1(0,5,1/2)，CF2(25,5,1/2)，CF3(50,5,1/2)，CF4(75,5,1/2)，CF5(100,5,1/2)，依次表示方向重合程度很小(F1),较小(F2)，中等(F3)，较大(F4)，很大(F5)。对应的后件云发生器CF1′(0,1/24,1/240)，CF2′(0.25,1/24,1/240)，CF3′(0.5,1/24,1/240)，CF4′(0.75,1/24,1/240)，CF5′(1,1/24,1/240)，依次表示威胁程度很小、较小、中等、较大、很大。

背景信号强度B云模型化CB1(1,1/3,1/30)，CB2(3,1/3,1/30)，CB3(5,1/3,1/30)。依次表示背景信号强度弱(B1)，中(B2)，强(B3)。对应的后件云发生器CB1′(0,1/12,1/120)，CB2′(0.5,1/12,1/120)，CB3′(1,1/12,1/120),依次表示威胁程度小、中等、大。

电磁信号密度M云模型化CM1(0,500,50),CM2(2 500,500,50),CM3(5 000,500,50),CM4(7 500,500,50),CM5(10 000,500,50).依次表示小(M1),较小(M2)，中等(M3)，较大(M4)，很大(M5)。应的后件云发生器CM1′(0,1/24,1/240)，CM2′(0.25,1/24,1/240)，CM3′(0.5,1/24,1/240)，CM4′(0.75,1/24,1/240)，CM5′(1,1/24,1/240),依次表示威胁程度很小、较小、中等、较大、很大。

定向能武器毁伤能力云模型化，CDX(0,1/24,1/240)，CDX(0.25,1/24,1/240)，CDX(0.5,1/24,1/240)，CDX(0.75,1/24,1/240)，CDX(1,1/24,1/240)，依次表示定向能武器的毁伤能力很弱、较弱、中等、较强、很强。

动能武器毁伤能力云模型化，CDN(0,1/24,1/240)，CDN(0.25,1/24,1/240)，CDN(0.5,1/24,1/240)，CDN(0.75,1/24,1/240)，CDN(1,1/24,1/240)，依次表示探测识别率很弱、较弱、中等、较强、很强。

步骤2：指标权重值计算[12]

指标权重值的确定有多种方法，对于指标数量较少，指标之间相互影响制约较少的情况，通常可以根据多位专家的经验知识来确定权值。本例中，二级指标中只包括3个要素，以及三级指标中监控性威胁指标要素、毁伤性威胁指标要素都较少，相互关系简单明确，所以直接采用专家经验知识确定权重值，权值确定情况如表2～4所示。

表2 二级指标权重

表3 监控性威胁指标权重

表4 毁伤性威胁指标权重

对于指标要素相对较多，相互影响制约较为复杂的指标权重值确定，则不适合完全依赖专家经验值来定权重，需要借助科学方法结合专家知识计算权值。本例采用灰色层次分析法确定降效性威胁度指标的权重。根据层次分析法，权重计算过程如下：

计算判断矩阵：

降效性威胁指标体系中各指标要素重要程度比较如表5所示。

表5 指标要素重要程度比较

判断矩阵A为

利用方根法计算得出指标权向量ω=(0.240 3，0.212 7，0.212 7，0.157 5，0.183 0)T，并利用Matlab计算出最大特征值λmax=5.126 9。一致性检验

因为CR<0.1，所以判断矩阵满足一致性要求。

步骤3：逐级推理计算过程

首先进行一级推理，即三级属性指标的推理过程。

将属于监控性威胁度的指标属性值预警卫星探测识别率x1=0.8，预警雷达探测识别率x2=0.6，电子侦察卫星探测识别率x3=0.7输入到云推理系统，推理100次得到一定数量的监控性威胁度云滴。再将所得的威胁度云滴输入到逆向云发生器得到监控性威胁度云，均值为0.700 5。

将属于降效性威胁度的5个指标属性值电磁信号类型样式x4=8，频率重合度x5=45%，方向重合度x6=55%，背景信号强度x7=2.8，电磁信号密度x8=5 400输入到云推理系统，推理100次得到一定数量的降效性威胁度云滴，再将所得的威胁度云滴输入到逆向云发生器得到降效性威胁度云，均值为0.477 3。

将属于毁伤性威胁度的指标属性值定向能武器毁伤能力x9=0.4，动能武器毁伤能力x10=0.3输入到云推理系统，推理100次得到一定数量毁伤性威胁度云滴。再将所得的威胁度云滴输入到逆向云发生器得到毁伤性威胁度云，均值为0.359 0。

接着进行二级推理，即二级属性指标的推理过程。

将监控性威胁度x11=0.700 5，降效性威胁度x12=0.477 3，毁伤性威胁度x13=0.359 0输入云推理系统，推理100次得到整体威胁度云滴。

步骤4：逆向云发生器生成空间目标面临的整体电磁环境威胁度

将步骤3中所得的整体威胁度云滴输入到整体威胁度的逆向云发生器，生成整体威胁度云，均值为0.565 3,该值即为推理最终结果，在该时间点，该型低轨道卫星所处位置面临的电磁环境威胁度是0.565 3，威胁程度可以判定为中等。

5 结束语

目标电磁威胁度评估[13-15]是个具有不确定性和模糊性特性的问题，而云模型推理的方法很好地发挥了其解决问题中对随机性、模糊性进行考虑的优越特点，本文中再结合权重值确定过程的主观性，将威胁度评估这个问题做到主观与客观推理计算相结合。并采用重复推理的方法，来消除数据的不确定性对最终评估值的影响。方法合理可靠，具有较好的容错性。

[ 1] 樊霖辉，姜秋喜，冯富强.电磁威胁等级划分标准研究[J].舰船电子对抗，2014,37(5):67-70. FAN Lin-hui,JIANG Qiu-xi,FENG Fu-qiang. Research on Classification Criteria of Electromagnetic Threat Level[J].Naval Electronic Warfare, 2014,37(5):67-70.

[ 2] 李德毅.不确定性人工智能[M].北京：国防工业出版社，2014. LI De-yi. Uncertainty Artificial Intelligence [M].Beijing: National Defense Industry Press, 2014.

[ 3] 陈昊，李兵.基于云模型的不确定性推理方法[J].小型微型计算机系统，2011,32(12):2449-2455. CHEN Hao, LI Bing. An Uncertainty Reasoning Method Based on Cloud Model [J]. Small and Micro Computer System, 2011,32 (12): 2449-2455.

[ 4] 杨超，燕雪峰，张洁,等.基于权重的云推理算法[J].计算机应用，2014,34(2):501-505. YANG Chao, YAN Xue-feng, ZHANG Jie, et al. Weight-Based Cloud Reasoning Algorithm[J]. Computer Application, 2014,34 (2):501-505.

[ 5] 代强伟，李修和，薛磊,等.一种度量战场电磁环境复杂度的新方法[J].装备环境工程，2015,12(4):105-109. DAI Qiang-wei, LI Xiu-he,XUE Lei, et al. A New Method to Measure the Complexity of Electromagnetic Environment in Battlefield [J].Equipment and Environmental Engineering, 2015,12 (4):105-109.

[ 6] 李修和.战场电磁环境建模与仿真[M].北京：国防工业出版社，2014. LI Xiu-he. Battlefield Electromagnetic Environment Modeling and Simulation[M].Beijing: National Defense Industry Press,2014.

[ 7] 李文臣，张政超，陆静，等.电磁环境复杂度等级评估模型[J].中国电子科学研究院学报，2012,7(4):427-431. LI Wen-chen, ZHANG Zheng-chao, LU Jing, et al. Evaluation Model of Electromagnetic Environment Complexity Classification[J].Journal of China Institute of Electronics,2012,7(4):427-431.

[ 8] 张银燕.基于云模型理论的空中目标威胁评估方法[D].郑州：解放军信息工程大学，2013. ZHANG Yin-yan. Air Target Threat Assessment Method Based on the Theory of Cloud Model [D].Zhengzhou:PLA Information Engineering University,2013.

[ 9] 张银燕，李弼程.基于MIN-MAX云重心推理的目标威胁评估方法[J].系统仿真学报，2014,26(2),411-418. ZHANG Yin-yan, LI Bi-cheng. A Method of Target Threat Assessment Based on MIN-MAX Cloud Gravity Center Reasoning [J]. Journal of System Simulation, 2014,26 (2), 411-418.

[10] 董尤心.效能评估方法研究[M].北京：国防工业出版社，2009. DONG You-xin.The Effectiveness Evaluation Method Research[M].Beijing:National Defense Industry Press,2009.

[11] 姬东朝，宋笔锋，喻天翔.基于模糊层次分析法的决策方法及其应用[J].火力与指挥控制，2007,32(11):38-41. JI Dong-zhao, SONG Bi-feng, YU Tian-xiang, et al. Based on the Fuzzy Decision Method and the Applications of the Analytic Hierarchy Process(AHP)[J].Fire and Command Control,2007,32(11):38-41.

[12] 轩永波,黄长强，王勇，等.基于灰色层次分析法的空间武器作战效能评估[J].空军工程大学学报，2011,12(2)：32-37. XUAN Yong-bo,HUANG Chang-qiang,WANG Yong,et al. Effectiveness Evaluation of Space Weapon System Based on Gray Hierarchy Method[J]. Journal of the Air force Engineering University,2011,12(2):32-37.

[13] 陈行勇,张殿宗，钱祖平，等. 战场电磁环境复杂性定量分析研究综述[J].电子对抗信息技术，2010,25(4):44-50. CHEN Hang-yong,ZHANG Dian-zong,QIAN Zu-ping,. et al. Review on Battlefield Electromagnetic Environment Quantitative Analysis[J].Electronic Countermeasures of Information Technology, 2010,25(4):44-50.

[14] 陈行勇，张殿宗，王祎，等. 面向对象的战场电磁环境复杂度评估[J].电子对抗信息技术，2010,25(2):74-78. CHEN Hang-yong,ZHANG Dian-zong,WANG Yi, et al. Object-Oriented Battlefield Electromagnetic Environment Complexity Evaluation[J]. Electronic Countermeasures of Information Technology, 2010,25(2):74-78.

[15] 章季阳,王伦文. 一种改进的电磁环境复杂度定量评估方法[J].微波学报,2011,27(6):37-41. ZHANG Ji-yang, WANG Lun-wen. An Improved Method of the Quantificational Evaluation on the Complexity of Electromagnetic Environment[J]. Journal of Microwaves,2011,27(6):37-41.

Threat Assessment Method of Target Electromagnetic Environment Based on Cloud Reasoning

DAI Qiang-wei, XUE Lei, LI Xiu-he

(Electronic Engineering Institute,Anhui Hefei 230037, China)

The cloud model can realize the conversion between qualitative concept and quantitative values. The advantages of cloud model are introduced for the evaluation of electromagnetic threat. Based on cloud model generator, rule and condition generator, inverse cloud generator, and combined with the weight, finally the cloud reasoning algorithm system is designed. Based on the background of battlefield electromagnetic space, Matlab is used to simulate the cloud reasoning algorithm system to obtain the specific target electromagnetic environment threat degree, and the effect of this method is tested.

electromagnetic environment; threat assessment; cloud model; cloud generator; cloud reasoning; weighted value

2016-01-24；

2016-02-21 基金项目：有 作者简介：代强伟(1992-)，男，安徽含山人。硕士生，主要研究方向为战场电磁环境建模仿真.

10.3969/j.issn.1009-086x.2017.01.023

E917; TM15; N945.16

A

1009-086X(2017)-01-0132-08

通信地址：650500 云南省昆明市呈贡区鱼水路