基于神經(jīng)網(wǎng)絡(luò)的實(shí)物保護(hù)系統(tǒng)綜合效能評(píng)估研究

趙 構(gòu) 熊翰林 吳國東 馬宇坤 孔凡富

1（武漢第二船舶設(shè)計(jì)研究所 武漢 430064）

2（中國船舶重工集團(tuán)有限公司 北京 100097）

國際安全形勢(shì)日益緊張，安全形勢(shì)惡化使得核設(shè)施的安全性受到空前的重視，按照法規(guī)要求，所有的實(shí)物保護(hù)系統(tǒng)在初步設(shè)計(jì)時(shí)以及投入運(yùn)行時(shí)（定期）必須進(jìn)行有效性評(píng)估。目前我國采用的量化評(píng)估技術(shù)還是20世紀(jì)90年代末期從法國和美國引進(jìn)的路徑型探測(cè)分析方法，即將通往保護(hù)設(shè)施的路徑進(jìn)行排列組合，對(duì)途中每個(gè)路徑元件的探測(cè)時(shí)間、延遲時(shí)間、保衛(wèi)人員響應(yīng)時(shí)間以及相應(yīng)的概率進(jìn)行測(cè)量，通過比較每條路徑的探測(cè)、延遲和響應(yīng)時(shí)間來量化評(píng)估系統(tǒng)的有效性［1-2］。

路徑分析法是在不考慮環(huán)境影響、設(shè)備狀態(tài)和指揮策略等變量因素的理想情況下，計(jì)算路徑截住概率和戰(zhàn)勝概率，進(jìn)而對(duì)實(shí)物保護(hù)系統(tǒng)進(jìn)行評(píng)價(jià)；是理想狀況下的單一指標(biāo)評(píng)估，忽略掉了系統(tǒng)可靠性、指揮人員策略、信息安全水平、環(huán)境適應(yīng)性等因素對(duì)系統(tǒng)性能的影響，難以反映系統(tǒng)實(shí)際能力。而且實(shí)物保護(hù)系統(tǒng)是包含人因工程、信息化技術(shù)、傳感器技術(shù)的綜合工程，影響其使命任務(wù)能力的因素復(fù)雜。因此，亟需一種新的能夠全面反映系統(tǒng)綜合實(shí)力、滿足實(shí)戰(zhàn)要求的評(píng)價(jià)方法。

綜合效能評(píng)估是現(xiàn)代系統(tǒng)工程應(yīng)用領(lǐng)域的一個(gè)重要課題，系統(tǒng)綜合效能評(píng)估是對(duì)系統(tǒng)的表現(xiàn)值與系統(tǒng)目標(biāo)的期望值之間吻合程度的量化評(píng)價(jià)。綜合效能評(píng)估對(duì)于了解系統(tǒng)的能力有很大幫助，能夠明確系統(tǒng)的缺陷所在，得出費(fèi)效比較高的改進(jìn)措施，反向指導(dǎo)系統(tǒng)的設(shè)計(jì)，指明系統(tǒng)的發(fā)展方向，目前已經(jīng)應(yīng)用于軍用裝備和型號(hào)作戰(zhàn)能力分析，但是尚未在核設(shè)施實(shí)物保護(hù)領(lǐng)域進(jìn)行應(yīng)用。

本文提出了一種新的實(shí)物保護(hù)系統(tǒng)評(píng)價(jià)技術(shù)路線，將綜合效能評(píng)估技術(shù)應(yīng)用到核設(shè)施實(shí)物保護(hù)評(píng)估領(lǐng)域。依據(jù)設(shè)計(jì)和運(yùn)行經(jīng)驗(yàn)，采用層次分析法建立了一種實(shí)物保護(hù)系統(tǒng)綜合效能評(píng)價(jià)指標(biāo)體系及指標(biāo)權(quán)重集，對(duì)中船重工第719研究所設(shè)計(jì)的海洋核動(dòng)力平臺(tái)的實(shí)物保護(hù)系統(tǒng)進(jìn)行綜合效能評(píng)估試驗(yàn)，并對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行了收集分析。在此基礎(chǔ)上，通過BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)獲得了一種更精確的適用于同類型海上核設(shè)施的實(shí)物保護(hù)系統(tǒng)綜合評(píng)判模型，通過大量的仿真對(duì)抗試驗(yàn)和實(shí)測(cè)試驗(yàn)獲取了評(píng)價(jià)指標(biāo)的參數(shù)，得到的評(píng)估結(jié)果滿足誤差要求。相比于現(xiàn)有的路徑分析法能更全面、真實(shí)地反映系統(tǒng)的能力，也能夠直觀地展示出系統(tǒng)的短板，得出費(fèi)效比較高的改進(jìn)措施，對(duì)于系統(tǒng)的能力提升有著重要的意義。

1 評(píng)估指標(biāo)體系和權(quán)重建立

1.1 評(píng)估方法分析

常用的綜合效能評(píng)估方法主要分為三類：性能參數(shù)法、解析法和仿真法。性能參數(shù)法通過考核典型參數(shù)反映系統(tǒng)性能，過程簡(jiǎn)單易行，結(jié)果片面、失真，不適用復(fù)雜系統(tǒng)，路徑分析法實(shí)質(zhì)上屬于性能參數(shù)分析法；解析法以統(tǒng)計(jì)學(xué)、概率分析、模糊理論等數(shù)學(xué)理論為基礎(chǔ)，構(gòu)建系統(tǒng)評(píng)估數(shù)學(xué)模型進(jìn)行分析，該類方法能夠充分利用系統(tǒng)的各項(xiàng)參數(shù)和運(yùn)行經(jīng)驗(yàn)，盡可能地排除主觀因素對(duì)評(píng)估結(jié)果的影響，能夠勝任對(duì)復(fù)雜系統(tǒng)的評(píng)估任務(wù)；仿真法利用實(shí)戰(zhàn)演習(xí)或者現(xiàn)代計(jì)算機(jī)技術(shù)進(jìn)行模擬、驗(yàn)證、評(píng)估，評(píng)估結(jié)果準(zhǔn)確，但是費(fèi)效比過高，而且一般與解析法同時(shí)運(yùn)用［3-6］。

解析法評(píng)估包括層次分析法（Analytic Hierarchy Process，AHP）、ADC 法（Availability-Dependability-Capability-Model，ADC模型）、灰色評(píng)估、專家評(píng)分法、指數(shù)法等方法。AHP法具有系統(tǒng)性好、過程清晰等優(yōu)點(diǎn)，適用于評(píng)估指標(biāo)體系分析；ADC法適用于靜態(tài)效能分析；灰色評(píng)估適用于信息不充分的系統(tǒng)；專家評(píng)分法適用于的系統(tǒng)是其某些指標(biāo)難以進(jìn)行定量描述，其缺點(diǎn)是具有較大的主觀性。各種評(píng)估方法具有各自的優(yōu)劣，需根據(jù)評(píng)估任務(wù)進(jìn)行選擇，或?qū)⒉煌脑u(píng)估方法相互結(jié)合改進(jìn)，提高系統(tǒng)效能評(píng)估的全面性和實(shí)效性，此次評(píng)估試驗(yàn)中采用層次分析法。

1.2 層次分析法

針對(duì)具體的評(píng)價(jià)對(duì)象，抽取影響評(píng)價(jià)結(jié)果的因素，建立評(píng)價(jià)對(duì)象的評(píng)價(jià)指標(biāo)集：

針對(duì)各個(gè)評(píng)價(jià)指標(biāo)，設(shè)指標(biāo)q1，q2，…，qn與上一級(jí)指標(biāo) Dk有關(guān)聯(lián)，則指標(biāo)q1，q2，…，qn關(guān)于上一層指標(biāo)Dk的判據(jù)矩陣為：

式中：aij表示求因素q1和q2對(duì)上層指標(biāo)Dk影響的重要程度。

進(jìn)行層次單排序，求解權(quán)重w1，w2，…，wn。權(quán)重可以由特征根法計(jì)算得到：

式中：W=(w1，w2，···，wn)T和λmax分別為據(jù)矩陣A的特征向量和最大特征根；W歸一化處理后即為所求的權(quán)重的向量，代表了指標(biāo)層因素相對(duì)于準(zhǔn)則層因素的重要程度。

為了檢驗(yàn)因素層判據(jù)矩陣A的合理性，需要對(duì)矩陣的一致性進(jìn)行判斷，其中CR（Consistency Ratio）為一致性比例參數(shù)，CI（Consistency Index）為一致性參數(shù)：

式中：n為判據(jù)矩陣階數(shù)，當(dāng)CI越接近0判據(jù)矩陣一致性越好，RI（Random Consistency Index）為隨機(jī)一致性指標(biāo)，查表1可得。

表1 平均隨機(jī)一致性RI指標(biāo)值Table 1 Average random consistency RI index value

1.3 實(shí)物保護(hù)系統(tǒng)評(píng)估體系與權(quán)重分析

效能指標(biāo)體系和權(quán)重分析是整個(gè)評(píng)估過程中的一個(gè)關(guān)鍵點(diǎn)，直接影響評(píng)價(jià)結(jié)果的準(zhǔn)確性。由于實(shí)物保護(hù)系統(tǒng)綜合效能評(píng)估的各項(xiàng)指標(biāo)體系以及權(quán)重研究較少，在國內(nèi)外并無權(quán)威的文件以及標(biāo)準(zhǔn)對(duì)評(píng)估指標(biāo)體系和權(quán)重進(jìn)行規(guī)定，因此在研究的初期階段通過專家經(jīng)驗(yàn)和試驗(yàn)數(shù)據(jù)統(tǒng)計(jì)分析構(gòu)建指標(biāo)體系，保障評(píng)估指標(biāo)體系的準(zhǔn)確度，同時(shí)為了減少主觀性，采用層次分析法確定指標(biāo)權(quán)重。

參照相關(guān)標(biāo)準(zhǔn)和導(dǎo)則要求，遵從最簡(jiǎn)性、客觀性、可測(cè)性、完備性、層次性等原則，分析、論證了實(shí)物保護(hù)系統(tǒng)的使命任務(wù)執(zhí)行能力的關(guān)鍵影響因素，建立兩級(jí)實(shí)物保護(hù)系統(tǒng)評(píng)估指標(biāo)體系如表2所示，抽取探測(cè)能力、延遲能力、響應(yīng)能力、系統(tǒng)可靠性、系統(tǒng)信息安全5個(gè)最重要方面作為評(píng)價(jià)的一級(jí)指標(biāo)，一級(jí)指標(biāo)下共設(shè)13個(gè)二級(jí)指標(biāo)。

表2 評(píng)估指標(biāo)體系Table 2 Evaluation indicator system

通過專家分析法和試驗(yàn)數(shù)據(jù)統(tǒng)計(jì)分析相結(jié)合的方式，得到同一層次內(nèi)指標(biāo)間的相對(duì)重要性，例如探測(cè)能力指標(biāo)對(duì)應(yīng)二級(jí)指標(biāo)相對(duì)重要性通過核電站運(yùn)行數(shù)據(jù)統(tǒng)計(jì)可得，響應(yīng)能力對(duì)應(yīng)二級(jí)指標(biāo)則通過專家分析法確定。采用9級(jí)標(biāo)度原則對(duì)各層指標(biāo)進(jìn)行標(biāo)度判斷，形成判據(jù)矩陣，通過層次分析法求取各指標(biāo)的權(quán)重。

對(duì)于5個(gè)一級(jí)指標(biāo)，根據(jù)指標(biāo)間兩兩相對(duì)重要性，構(gòu)造判據(jù)矩陣A，見表3。

根據(jù)上述特征值求解方法，通過MATLAB軟件計(jì)算得到最大特征值Pa=5.141 4；對(duì)應(yīng)特征向量P=［0.467 1，0.233 6，0.176 6，0.045 3，0.077 4］，根據(jù)§1.2中描述，最大特征值對(duì)應(yīng)的特征向量P即為核設(shè)施實(shí)物保護(hù)系統(tǒng)的權(quán)重。通過計(jì)算其一致性指標(biāo)CI=0.035 3，CR=0.031 6＜0.1，滿足一致性要求，即標(biāo)度設(shè)置合理。同理可計(jì)算出二級(jí)指標(biāo)特征向量，代入各指標(biāo)參數(shù)，即可計(jì)算出系統(tǒng)的綜合效能值。

表3 判斷矩陣ATable 3 Judgment matrixA

2 基于BP神經(jīng)網(wǎng)絡(luò)效能評(píng)估模型優(yōu)化

2.1 評(píng)估實(shí)驗(yàn)數(shù)據(jù)分析

此次研究邀請(qǐng)了60位專家按照上述指標(biāo)體系對(duì)海洋核動(dòng)力平臺(tái)實(shí)物保護(hù)系統(tǒng)進(jìn)行綜合效能評(píng)估，得到系統(tǒng)綜合效能值如圖1所示。

圖1 評(píng)估試驗(yàn)結(jié)果Fig.1 Evaluation results of experiment

對(duì)數(shù)據(jù)進(jìn)行分析可發(fā)現(xiàn)，絕大多數(shù)的專家和對(duì)抗試驗(yàn)結(jié)論對(duì)各指標(biāo)的相對(duì)重要性趨勢(shì)判定是一致的，但是具體相對(duì)重要程度值存在差異，例如通過大量仿真對(duì)抗試驗(yàn)發(fā)現(xiàn)，在其他指標(biāo)相同的情況下，在模擬對(duì)抗時(shí)探測(cè)能力強(qiáng)的系統(tǒng)要比延遲能力強(qiáng)的系統(tǒng)勝出的概率要高，專家也一致判定探測(cè)能力比延遲能力重要，但是相對(duì)重要程度值的判定上卻存在較大差異。

另外，由于部分評(píng)估指標(biāo)具有模糊性和隨機(jī)性，此次評(píng)估方案中選取的評(píng)價(jià)指標(biāo)如環(huán)境適應(yīng)性、通信保障等，性能優(yōu)劣沒有明確的評(píng)判界限，體現(xiàn)了其模糊性；在不同的試驗(yàn)中的表現(xiàn)或不同的行業(yè)專家判定，同一個(gè)系統(tǒng)的環(huán)境適應(yīng)能力或通信保障能力的評(píng)價(jià)可能存在偏差，體現(xiàn)了其隨機(jī)性。在使用層次分析法進(jìn)行評(píng)估時(shí)，需要確定指標(biāo)的隸屬度函數(shù)，建立定性指標(biāo)和定量評(píng)價(jià)值相互間轉(zhuǎn)化的映射關(guān)系，但是由于指標(biāo)的隨機(jī)性和模糊性，導(dǎo)致不同的評(píng)估樣本中指標(biāo)定量評(píng)價(jià)值存在差異。

對(duì)于每一個(gè)評(píng)估樣本而言，實(shí)質(zhì)上是通過層次分析法建立了底層指標(biāo)與系統(tǒng)綜合效能值之間的一種復(fù)雜映射關(guān)系。由于指標(biāo)的相對(duì)重要程度值難以精確量化，以及指標(biāo)本身的隨機(jī)性和模糊性，在采用層次分析法評(píng)估時(shí)，只能保證評(píng)估值處于相對(duì)穩(wěn)定的區(qū)間，不同的專家建立的映射關(guān)系和評(píng)估結(jié)果不可避免存在一定偏差，60個(gè)評(píng)估樣本結(jié)果的波動(dòng)性證明了這一點(diǎn)。

在此次評(píng)估試驗(yàn)中，除了極少數(shù)評(píng)估樣本結(jié)果與大多數(shù)樣本偏差較大，可以作為無用樣本剔除，難以確定其中某一個(gè)樣本的評(píng)估結(jié)果更精確。如何利用60個(gè)評(píng)估樣本建立一個(gè)相對(duì)精確的評(píng)估模型，用于對(duì)同類型核設(shè)施實(shí)物保護(hù)系統(tǒng)進(jìn)行綜合效能評(píng)估，具有重要的意義。

為了獲得更精確的評(píng)估模型，一般可以采用最大隸屬度、取均值等原則對(duì)評(píng)估樣本結(jié)果進(jìn)行優(yōu)化，但是最大隸屬度原則會(huì)損失大量的有效樣本信息，導(dǎo)致最終結(jié)果的均方差較大，取均值原則不能反映多數(shù)樣本的集中效應(yīng)。由于人工神經(jīng)網(wǎng)絡(luò)具有聯(lián)想、自組織和很強(qiáng)的容錯(cuò)能力，通過輸入層、隱含層和輸出層之間的非線性復(fù)合作用，通過對(duì)訓(xùn)練數(shù)據(jù)的自主學(xué)習(xí)，建立底層指標(biāo)與綜合效能更為精確的映射模型，因此采用神經(jīng)網(wǎng)絡(luò)對(duì)評(píng)估數(shù)據(jù)進(jìn)行優(yōu)化，獲得更精確的實(shí)物保護(hù)系統(tǒng)評(píng)價(jià)模型。

圖2 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 Topological structure of BP neural network

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)估模型優(yōu)化

神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了機(jī)器通過相關(guān)算法來模擬神經(jīng)元交流學(xué)習(xí)過程，神經(jīng)網(wǎng)絡(luò)從網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)機(jī)制相結(jié)合的角度可分為單層向前網(wǎng)絡(luò)、多層向前網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、隨機(jī)神經(jīng)網(wǎng)絡(luò)、競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)［7-9］，本文采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建海洋核動(dòng)力平臺(tái)實(shí)物保護(hù)系統(tǒng)的綜合效能評(píng)估模型，以層次分析法建立的實(shí)物保護(hù)系統(tǒng)評(píng)估指標(biāo)體系作為BP神經(jīng)網(wǎng)絡(luò)輸入、輸出變量，以此次評(píng)估試驗(yàn)所得樣本作為訓(xùn)練樣本，對(duì)模型訓(xùn)練和驗(yàn)證，得到一種更精確的海上核設(shè)施實(shí)物保護(hù)系統(tǒng)評(píng)價(jià)模型。

將實(shí)物保護(hù)系統(tǒng)的一級(jí)評(píng)價(jià)指標(biāo)為輸入變量，綜合效能值作為因變量，建立核設(shè)施實(shí)物保護(hù)系統(tǒng)綜合效能評(píng)估模型［10］。輸入變量為探測(cè)能力、延遲能力、保衛(wèi)人員響應(yīng)能力、系統(tǒng)可靠性、系統(tǒng)信息安全，模型輸入層節(jié)點(diǎn)數(shù)量為5；模型輸出層為效能值，節(jié)點(diǎn)數(shù)量為1；BP神經(jīng)網(wǎng)絡(luò)隱含層設(shè)計(jì)對(duì)整個(gè)神經(jīng)網(wǎng)絡(luò)模型的性能有重要影響，根據(jù)BP神經(jīng)網(wǎng)絡(luò)隱層設(shè)計(jì)經(jīng)驗(yàn)，隱層節(jié)點(diǎn)數(shù)量設(shè)置為7，訓(xùn)練流程見圖3。

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖Fig.3 Flowchart of BP neural network training

從60組評(píng)估樣本中，選取其中50組數(shù)據(jù)作為模型訓(xùn)練數(shù)據(jù)，首先對(duì)50組數(shù)據(jù)評(píng)估指標(biāo)的參數(shù)進(jìn)行歸一化處理，輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并將10組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)代入模型進(jìn)行訓(xùn)練計(jì)算。核設(shè)施實(shí)物保護(hù)效能評(píng)估模型訓(xùn)練過程如圖4、圖5所示，經(jīng)過380次反復(fù)迭代訓(xùn)練后，訓(xùn)練誤差快速收斂至0.5%。

圖4 效能評(píng)估模型訓(xùn)練結(jié)果比對(duì)Fig.4 Comparison of training results of effectiveness evaluation model

圖5 訓(xùn)練誤差曲線Fig.5 Training error curve

表4 BP神經(jīng)網(wǎng)絡(luò)敏感性參數(shù)Table 4 BPneural network sensitivity parameters

表4為由BP神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練得到的各輸入?yún)?shù)相對(duì)于輸出參數(shù)的敏感性參數(shù)，其與訓(xùn)練樣本的權(quán)重體系趨勢(shì)基本一致。

訓(xùn)練完成后，將剩余10組數(shù)據(jù)輸入到訓(xùn)練模型，輸出的評(píng)估值與試驗(yàn)樣本值對(duì)比如圖6、表5所示，訓(xùn)練所得BP神經(jīng)網(wǎng)絡(luò)模型輸出平均誤差小于4%。

表5 評(píng)估誤差分析Table 5 Evaluation error analysis

圖6 模型評(píng)估模型輸出對(duì)比Fig.6 Comparison between Mmodel evaluation model output comparison chart and expert assessment

綜上所述，此次試驗(yàn)建立的BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型充分利用了評(píng)估試驗(yàn)樣本數(shù)據(jù)，能迅速收斂，預(yù)測(cè)評(píng)估結(jié)果與試驗(yàn)樣本結(jié)果一致性高，誤差較小，具有較好的自適應(yīng)性、穩(wěn)定性，盡可能地避免了綜合效能評(píng)價(jià)值受到主觀因素的干擾，該模型適用于同類型的核設(shè)施實(shí)物保護(hù)系統(tǒng)的綜合效能評(píng)估。

3 結(jié)語

本文分析了現(xiàn)有的實(shí)物保護(hù)系統(tǒng)評(píng)價(jià)方法的不足，將綜合效能評(píng)估的概念引入實(shí)物保護(hù)系統(tǒng)評(píng)估中，為實(shí)物保護(hù)效能評(píng)估領(lǐng)域提供了一種新的且有意義的思路。以海洋核動(dòng)力平臺(tái)實(shí)物保護(hù)系統(tǒng)為例，運(yùn)用層次分析法進(jìn)行了綜合效能評(píng)估試驗(yàn)，對(duì)數(shù)據(jù)進(jìn)行收集和分析。針對(duì)層次分析法的局限性，提出了一種BP神經(jīng)網(wǎng)絡(luò)效能評(píng)估模型，運(yùn)用所獲得的評(píng)估數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證，取得了良好效果。

需要指出的是，目前國內(nèi)外缺乏核設(shè)施實(shí)物保護(hù)評(píng)估指標(biāo)體系的成熟標(biāo)準(zhǔn)及文件，本文采用的評(píng)估指標(biāo)體系是依據(jù)專家設(shè)計(jì)、運(yùn)行經(jīng)驗(yàn)而建立，僅提供一種可行的思路。評(píng)估指標(biāo)體系的建立是一個(gè)長期修正過程，未來可以通過不斷的仿真、試驗(yàn)，建立更完善的評(píng)估指標(biāo)體系，得到與事實(shí)更符合的結(jié)果。