作战仿真数据VV&C研究

吴　亮

(中国人民解放军91336部队，河北 秦皇岛 066000)

0　引言

作战仿真是部队训练、武器装备作战效能检验的重要手段，而其可信性是能否取得良好应用效果的关键。影响作战仿真的可信性的因素主要包括需求分析、模型及其转换、算法和数据等方面，而绝大多数模型与仿真对数据的依赖程度非常大。如果驱动一个仿真的数据不准确或不适应目前的任务，将很可能使结果验证失败。因此，数据是影响作战仿真可信性的一个重要方面。在M&S过程中，当错误的数据被使用或者正确的数据被不当使用时，仿真结果就会变得混乱而不可信。所以，恰当地收集和使用可信的数据对作战仿真具有十分重要的意义。而作战仿真数据的可信性主要由数据的校核、验证和认可(Data Verification , Validation and Certification, VV&C)活动来保证[1]。

1　数据VV&C的概念及数据分类

1.1　数据VV&C的概念[1-2]

数据校核：包括数据提供者校核和数据用户校核两个方面。数据提供者校核是利用技术和相关程序保证数据满足数据标准规定的限制条件并满足由过程与数据建模中得到的业务规则。数据用户校核是利用技术和相关程序保证数据满足数据标准确定的用户专用的限制条件，以及从过程与数据建模中得到的业务规则，并保证数据的正确转换与格式化。

数据验证：由领域专家对数据进行的有文档的评估，以及该评估与已知数值的对比。数据提供者的验证是指在规定准则和假设下进行的评估；数据用户的验证是指对数据适用于预定模型的评估。

数据认可：确定数据已依照文档要求的标准或准则经过了校核与验证。包括数据提供者认可和数据用户认可。

1.2　数据分类

根据作战仿真自身的特点，可以将作战仿真数据分为五类，如表1所示。

表1　作战仿真数据分类

2　作战仿真数据VV&C过程研究

在作战仿真中，为了获得高质量的数据和与特定仿真应用相关的可用的和可信的数据，应该从数据提供者和数据用户两个角度对数据VV&C进行研究。

2.1　数据提供者的VV&C过程研究

从数据提供者的角度看，数据VV&C过程包含任务活动，需要有VV&C角色参与，活动中还需要一些数据和文档资源，并形成一些VV&C产品。

图1　数据提供者VV&C的静态描述

图1为数据提供者VV&C过程的静态结构描述。图中VV&C资源主要包括数据字典、史料数据、演习数据、试验数据和实验数据等；VV&C产品主要有：数据VV&C计划、数据校核报告、数据验证报告、数据认可报告以及经过认可的数据。

数据提供者VV&C过程的五个步骤的主要任务如表2所示。

表2　数据提供者VV&C的主要任务

2.2　数据用户的VV&C过程研究[3-4]

数据提供者对数据进行VV&C后，可以确保数据在一定的条件下是正确的、可信的，但不能保证数据能够满足所有的应用要求；另外仿真过程中，数据并不能完全被直接使用，往往需要根据实际情况经过转换后才能使用；而且在对模型进行VV&A时，也需要一定的数据支持。因此，数据用户还必须在仿真全过程中进行VV&C。

数据用户VV&C是基于特定的仿真应用而进行的，与仿真过程紧密相连。下面以基于HLA的联合作战仿真为例，从数据用户的角度研究数据VV&C过程。如图2所示，与数据VV&C相关的基于HLA的联合作战仿真系统FEDEP主要为六个阶段：定义联合作战联邦目标、进行联合作战概念分析、设计联合作战联邦、开发联合作战联邦以及计划、集成和测试联邦以及执行联邦。相应地，数据VV&C的过程也分为六个阶段。

阶段一：确定和鉴别联邦数据需求、制定VV&C计划。首先确定和鉴别联合作战联邦的数据需求，包括数据的意义、类型、质量要求、权威性要求等。其次对数据需求进行校核，逐一审查输入数据是否符合联合作战仿真要求、输出数据是否支持作战仿真程序需求。最后，制定详细的数据VV&C计划，计划内容包括数据V&V的目标、意义、原则、内容、方法、角色、阶段性产品、可接受性标准及时间节点等。

阶段二：校核数据源及元数据。首先检验数据源及其可用性，检查数据源的元数据，确保数据源的权威性、适用性和时效性。其次检验输入数据库，确保作战数据的完备性。数据库中的数据一般包括作战损耗数据、作战编制数据、武器的性能和效能指标数据、环境数据、气象和天候数据等。就一般情况来看，这些都是普通作战样式的作战数据，不一定都适合于联合作战样式的数据要求，需要用户进行修改或创建新的数据以填补空缺。接着检验输出数据的特征描述。输出数据一定要满足联合作战系统的数据输出需求，主要与输出数据的用途有关，如用于态势显示、在线统计、事后评估等。最后生成验证数据。验证数据主要用作评判联合作战模型的输出结果的参照数据。

图2　基于HLA的联合作战联邦的开发及VV&C过程

阶段三：校核数据转换及输入数据。首先检查数据转换的方法与过程。数据转换需要满足数据的精度和完整性要求，转换过程要符合一定的规范要求。其次检查输入的实例数据。检查实例数据的描述特征是否符合要求，如果不符合数据要求，还要按一定的规范进行转换。最后校核固定数据。固定数据通常被固化在一定的表达式中，被引用后可能与原目的不相符，需要检验；另外，固定数据转换成仿真程序时，也有可能在格式上出现差错。

阶段四：校核初始化数据及验证固定数据。首先审查初始化数据，确保它们与原始数据相一致。其次验证固定数据。采用独立的算法对固定数据进行检验，并与验证数据进行对比。

阶段五：校核与验证(V&V)交换数据及评估输出数据。首先对参与联邦对象的交换数据进行校核与验证。检查交换数据是否满足交换格式要求以及是否能够成功交换。其次校核输出数据。审查输出数据的描述特征是否满足要求，以及是否与验证数据保持形式上的一致性。接着验证输出数据。将输出数据与验证数据进行比较，计算数据的灵敏度和偏差，判断联合作战模型的正确性。最后并评估数据。对所有的数据进行评估，聘请领域专家进行裁定。

阶段六：联合作战联邦数据认可。收集前面五个阶段的VV&C产品和成果，根据联合作战样式的要求，由权威部门对数据进行评判，决定是否被认可。

3　作战仿真输出数据的验证策略研究

作战仿真(特别是联合作战仿真)的输出数据具有一些典型的特点：一是输出的数据类型多，如模型计算的结果数据、态势数据、基础数据、想定数据及参考数据等；二是输出数据的表达方式具有多样性，如虚拟战场表达、作战态势的表示及综合态势的显示等；三是输出数据的表现形式丰富，如图形、图像、表格、曲线等。因此，为了达到全面验证输出数据的效果，应该研究有一个行之有效的验证策略。

通过参加科研项目的数据VV&C实践，本文认为：以作战想定为依据，设计一个多观测点数据验证的测试用例，由多个领域专家对多观测点采集的数据进行定性与定量相结合方法来综合验证。实践表明，这是一种非常有效的验证策略。观测点的设计应该由数据的输出形式与内容，以及研究的目的来决定。一般地，为了全面验证作战仿真的输出数据，应该设置四个观测点。

观测点一：想定观测点。想定观测点显示的数据主要有想定数据、基础数据及参考数据等。数据的表现形式一般为数据元素、数据值或数据表格。这些数据可以作为输出数据的参考依据。有时为了检验输出数据的合理性，也可以通过修改想定观测点的输入数据来实现。

观测点二：态势显示观测点。从态势显示观测点获取的数据主要有态势数据、战场环境、军标及综合态势数据等。态势数据是一个动态的数据，它反映作战活动及其演变的过程。常见的态势数据有武器的运动轨迹、性能变化，作战过程中各战斗单元的位置、状态及交战过程；战场环境数据包括地理环境数据、电磁环境数据、气象环境数据和核化环境数据等。这些数据有些是动态的，如电磁环境、气象环境数据等；有些是静态的，如地理环境数据等；综合态势数据一般体现在高层作战仿真中，如战略作战。它反映的不仅是作战方面的数据，还要反映政治、经济、外交、舆论及社会环境等。

观测点三：在线实时统计观测点。在线实时统计观测点可以将作战的实时数据进行采集和挖掘，通过各种方法将它直观地呈现出来，如统计表格、直方图、饼状图等，VV&C人员和领域专家可以利用这些图表来验证输出数据。

观测点四：事后评估观测点。作战仿真的结果不仅仅是考察作战态势，还要评估作战效能和武器系统的效能，后两个方面的数据可以从事后评估观测点获取。

通过综合以上四个观测点的输出数据，便可以全面地验证作战仿真的数据。

4　结束语

对于作战仿真而言，数据VV&C是一个重要的研究内容。广义上说，数据VV&C是仿真VV&A的一部分，应该贯穿于仿真的全过程。本文从数据VV&C的基本理论、过程及验证策略三个方面进行了研究。首先介绍数据VV&C的基础，包括数据VV&C及其相关概念、数据的分类；其次，对数据作战仿真VV&C的过程进行了研究；最后以作战仿真为例，研究了输出数据的验证策略。本文研究的大部分内容已经在科研项目中得到了应用，并取得了良好的效果。■