基于本體建模的態(tài)勢(shì)推理

李寶森 王浩軍 穆仕博

摘要：為了克服傳統(tǒng)推理方法在態(tài)勢(shì)表示和態(tài)勢(shì)推理方面的不足，本文針對(duì)態(tài)勢(shì)推理問(wèn)題，以本體建模儲(chǔ)存態(tài)勢(shì)推理所需要的規(guī)則知識(shí)，使得戰(zhàn)場(chǎng)邏輯規(guī)則清晰化，易于擴(kuò)展。結(jié)合態(tài)勢(shì)本體邏輯，對(duì)基于關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)的戰(zhàn)場(chǎng)數(shù)據(jù)進(jìn)行識(shí)別、分類，完成態(tài)勢(shì)信息從關(guān)系數(shù)據(jù)庫(kù)到本體的轉(zhuǎn)化，從而將態(tài)勢(shì)推理問(wèn)題轉(zhuǎn)化為基于本體建模的戰(zhàn)場(chǎng)態(tài)勢(shì)推理。該方法充分考慮到了真實(shí)戰(zhàn)場(chǎng)情況下的多態(tài)勢(shì)要素導(dǎo)致的多屬性決策推理問(wèn)題，使得推理結(jié)果更加貼近現(xiàn)實(shí)，具有較好的實(shí)用性。

關(guān)鍵詞：態(tài)勢(shì)推理；本體；關(guān)系數(shù)據(jù)庫(kù)；多屬性決策

中圖分類號(hào)：V11文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.19452/j.issn1007-5453.2021.02.012

基金項(xiàng)目：航空科學(xué)基金（2016ZC12020）

傳統(tǒng)的態(tài)勢(shì)推理方法大多是建立在戰(zhàn)場(chǎng)規(guī)則知識(shí)庫(kù)基礎(chǔ)上的屬性匹配[1]，根據(jù)已有的態(tài)勢(shì)知識(shí)庫(kù)，將當(dāng)前戰(zhàn)場(chǎng)觀測(cè)的情報(bào)數(shù)據(jù)與知識(shí)庫(kù)逐一匹配搜索[2]，這種方式的態(tài)勢(shì)推理在知識(shí)庫(kù)規(guī)則嚴(yán)格完整時(shí)，處理單個(gè)目標(biāo)時(shí)能夠取得很好的效果[3]。但是這種模板匹配都是對(duì)規(guī)則知識(shí)庫(kù)的嚴(yán)格匹配，真實(shí)的戰(zhàn)場(chǎng)情況中態(tài)勢(shì)要素往往不能和模板規(guī)則嚴(yán)格匹配，這會(huì)導(dǎo)致對(duì)目標(biāo)作戰(zhàn)意圖的態(tài)勢(shì)推理沒(méi)有結(jié)果。而即使推導(dǎo)出相應(yīng)的結(jié)果，也不能給決策者相應(yīng)的置信度概率參考，從而并不能發(fā)揮出有效的作用。除此以外，評(píng)估和推理目標(biāo)作戰(zhàn)意圖和眾多態(tài)勢(shì)要素相關(guān)，為了能夠?qū)崿F(xiàn)模板的完全匹配，知識(shí)庫(kù)規(guī)則需要考慮眾多目標(biāo)狀態(tài)因素、目標(biāo)屬性因素、環(huán)境因素和政治背景因素等，這就使得模板匹配的規(guī)則知識(shí)庫(kù)變得龐大而又復(fù)雜，所以傳統(tǒng)的推理方法難以解決該問(wèn)題[4]。

世界各國(guó)關(guān)于態(tài)勢(shì)估計(jì)的系統(tǒng)已經(jīng)有數(shù)十種，以專家系統(tǒng)、模板匹配、計(jì)劃識(shí)別、概率推理等方法來(lái)實(shí)現(xiàn)[5-12]。美國(guó)在態(tài)勢(shì)估計(jì)系統(tǒng)的研究方面比較成熟，目前已經(jīng)開(kāi)發(fā)了多個(gè)態(tài)勢(shì)估計(jì)系統(tǒng)。美國(guó)利用品質(zhì)因數(shù)技術(shù)開(kāi)發(fā)的品質(zhì)因素系統(tǒng)，該系統(tǒng)可以對(duì)戰(zhàn)場(chǎng)不同實(shí)體單元進(jìn)行識(shí)別，如戰(zhàn)場(chǎng)中的武器、作戰(zhàn)目標(biāo)等。該系統(tǒng)根據(jù)戰(zhàn)場(chǎng)實(shí)體單元的特點(diǎn)進(jìn)行層次劃分，并建立了一個(gè)戰(zhàn)場(chǎng)分層的系統(tǒng)結(jié)構(gòu)。戰(zhàn)場(chǎng)情報(bào)準(zhǔn)備（IPB）系統(tǒng)是美國(guó)軍隊(duì)專門開(kāi)發(fā)的戰(zhàn)場(chǎng)情報(bào)準(zhǔn)備系統(tǒng)，該系統(tǒng)通過(guò)分析戰(zhàn)場(chǎng)環(huán)境來(lái)描述敵人從過(guò)去到現(xiàn)在的行動(dòng)，并對(duì)目標(biāo)未來(lái)的意圖進(jìn)行預(yù)測(cè)。

態(tài)勢(shì)估計(jì)在國(guó)內(nèi)的研究起步比較晚，自20世紀(jì)80年代才有關(guān)于信息融合的報(bào)道。1991年海灣戰(zhàn)爭(zhēng)以后，我國(guó)開(kāi)始重視信息融合，對(duì)信息融合的研究逐漸興起。目前我國(guó)關(guān)于態(tài)勢(shì)估計(jì)的研究主要以理論為主?？狄t[13]從理論層面對(duì)態(tài)勢(shì)估計(jì)的目標(biāo)意圖識(shí)別進(jìn)行了分析，認(rèn)為主要使用基于模板的技術(shù)和人工智能領(lǐng)域的相關(guān)技術(shù)來(lái)實(shí)現(xiàn)意圖識(shí)別，但是沒(méi)有就態(tài)勢(shì)的具體應(yīng)用進(jìn)行詳細(xì)說(shuō)明。姚春燕[14]從時(shí)間的角度實(shí)現(xiàn)態(tài)勢(shì)推理，對(duì)敵意圖識(shí)別看成分類問(wèn)題并引入概率統(tǒng)計(jì)等方法來(lái)完成。姚莉[15]建立了分布式的基于人工智能協(xié)作方法的知識(shí)模型，使用人工智能領(lǐng)域的智能技術(shù)建立分布式處理方式。此外還有針對(duì)高層次的信息融合進(jìn)行了研究，徐從富[16]從神經(jīng)網(wǎng)絡(luò)和黑板結(jié)構(gòu)出發(fā)，建立關(guān)于通信數(shù)據(jù)的融合模型，使用如敵軍裝備水平及作戰(zhàn)行動(dòng)等來(lái)實(shí)現(xiàn)態(tài)勢(shì)的簡(jiǎn)單描述，并建立分層的的態(tài)勢(shì)模型。空軍工程大學(xué)王鳳山[17]使用動(dòng)力學(xué)來(lái)描述參戰(zhàn)雙方的作戰(zhàn)力量，建立了防空作戰(zhàn)背景的實(shí)戰(zhàn)模型，并使用勢(shì)函數(shù)來(lái)分析態(tài)勢(shì)規(guī)律。中國(guó)電子科技集團(tuán)28所針對(duì)空軍研發(fā)的專家系統(tǒng)，可以對(duì)戰(zhàn)場(chǎng)環(huán)境下的目標(biāo)進(jìn)行國(guó)籍、類型以及活動(dòng)進(jìn)行判斷，并建立了1400余條的高質(zhì)量知識(shí)庫(kù)系統(tǒng)等。

本體是一種可以在語(yǔ)義和知識(shí)層次上描述知識(shí)層次的工具，提供了一種對(duì)信息和知識(shí)進(jìn)行規(guī)范化描述和建立模型的方法，它完全能夠接受并存儲(chǔ)復(fù)雜的知識(shí)庫(kù)規(guī)則，而且建立好的專家本體知識(shí)庫(kù)使得規(guī)則可視化較強(qiáng)，邏輯描述精確且易擴(kuò)充，最終形成一種網(wǎng)絡(luò)狀的推理規(guī)則模型[5]。對(duì)于復(fù)雜戰(zhàn)場(chǎng)數(shù)據(jù)處理方便，在結(jié)合對(duì)本體知識(shí)庫(kù)中節(jié)點(diǎn)之間因果關(guān)系概率分配的基礎(chǔ)上，最終可以得到一個(gè)數(shù)據(jù)化的推理結(jié)果，完成態(tài)勢(shì)推理。

1本體知識(shí)建模

1.1本體的構(gòu)建方法

為了構(gòu)建能夠體現(xiàn)戰(zhàn)場(chǎng)態(tài)勢(shì)推理的網(wǎng)絡(luò)結(jié)構(gòu)，需要首先完成對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)要素的提取以及分析，將其作為本體網(wǎng)絡(luò)中的節(jié)點(diǎn)，然后分析節(jié)點(diǎn)之間的關(guān)系，對(duì)本體構(gòu)建的邏輯進(jìn)行專家檢驗(yàn)，若合理則進(jìn)一步檢查邏輯的完整性，最終使用本體建模工具Protégé完成對(duì)本體的構(gòu)建。

（1）戰(zhàn)場(chǎng)關(guān)鍵態(tài)勢(shì)要素的分析

為了達(dá)到對(duì)戰(zhàn)場(chǎng)目的和行動(dòng)的精準(zhǔn)描述的目標(biāo)，首先應(yīng)該對(duì)戰(zhàn)場(chǎng)相關(guān)的態(tài)勢(shì)要素進(jìn)行一定的歸納分析，態(tài)勢(shì)要素就是戰(zhàn)場(chǎng)中一些比較重要的數(shù)據(jù)類型的總結(jié)。

（2）態(tài)勢(shì)要素間關(guān)系分析

在完成第一步對(duì)態(tài)勢(shì)要素的分析之后，需要進(jìn)一步考慮各態(tài)勢(shì)要素之間的邏輯以及作用關(guān)系，使得戰(zhàn)場(chǎng)層級(jí)推理的邏輯清晰化。

（3）本體邏輯及完整性檢驗(yàn)

在態(tài)勢(shì)要素之間關(guān)系確定的基礎(chǔ)上，需要對(duì)關(guān)系的邏輯進(jìn)行檢查，確保其合乎專家經(jīng)驗(yàn)，并且在合理的基礎(chǔ)上盡可能完善邏輯。這是戰(zhàn)場(chǎng)態(tài)勢(shì)推理的關(guān)鍵知識(shí)規(guī)則，也只是規(guī)則存儲(chǔ)在本體中的重要體現(xiàn)。

1.2確定本體關(guān)鍵態(tài)勢(shì)要素

對(duì)目標(biāo)的態(tài)勢(shì)推理需要考慮戰(zhàn)場(chǎng)上復(fù)雜的環(huán)境，在使用基于本體推理的基礎(chǔ)上，只需要根據(jù)專家經(jīng)驗(yàn)選取能夠影響目標(biāo)態(tài)勢(shì)推理的核心態(tài)勢(shì)要素。通常用于進(jìn)行敵方目標(biāo)意圖推理的因素有以下幾種。

（1）目標(biāo)固態(tài)屬性

目標(biāo)固態(tài)屬性主要考慮平臺(tái)、目標(biāo)類型等。平臺(tái)屬性指對(duì)目標(biāo)類型的判斷，在能判斷出目標(biāo)飛機(jī)或者艦船的具體型號(hào)時(shí)，將具體型號(hào)作為目標(biāo)屬性，否則平臺(tái)屬性為飛機(jī)或者艦船。

（2）目標(biāo)變化屬性

目標(biāo)變化屬性主要考慮目標(biāo)的高度、速度的狀態(tài)以及經(jīng)緯度、航向角以及持續(xù)時(shí)間，確定節(jié)點(diǎn)的速度狀態(tài)（高速度、中速度和低速度）、高度狀態(tài)（低、中和高）、離目標(biāo)距離狀態(tài)（遠(yuǎn)、中和近）、電磁行為狀態(tài)等。

速度和高度是體現(xiàn)目標(biāo)運(yùn)動(dòng)屬性最重要的信息之一，同時(shí)也可以充分體現(xiàn)目標(biāo)此時(shí)的機(jī)動(dòng)性能，某一目標(biāo)某時(shí)刻的意圖往往是和它的速度、高度的運(yùn)動(dòng)信息密切相關(guān)，即使是目標(biāo)的固態(tài)屬性相同，也會(huì)因?yàn)樗俣雀叨刃畔⒌牟煌评沓鼋厝徊煌慕Y(jié)果。

而經(jīng)緯度和航向角同樣是重要的動(dòng)態(tài)屬性，以防空作戰(zhàn)場(chǎng)景為例，敵方目標(biāo)在與我方進(jìn)行空戰(zhàn)之前，必然會(huì)在航向角上朝向我方，因此航向角和經(jīng)緯度相對(duì)于我們的程度會(huì)給態(tài)勢(shì)推理提供重要的線索。

速度狀態(tài)、高度狀態(tài)則主要是對(duì)目標(biāo)速度高度的模糊化處理，通過(guò)選定的隸屬度函數(shù)和目標(biāo)不同類型對(duì)應(yīng)的速度范圍，將目標(biāo)的速度進(jìn)行模糊化處理。

目標(biāo)距離狀態(tài)作為動(dòng)態(tài)屬性，考慮到敵方若要發(fā)動(dòng)攻擊，一定會(huì)先調(diào)整位置使得雷達(dá)能夠探測(cè)到我方，因此雙方之間的距離狀態(tài)在一定程度上可以反映我們所要推理的目的。

電磁行為主要考慮電磁裝備、武器裝備、通信裝備，確定節(jié)點(diǎn)為電磁開(kāi)關(guān)狀態(tài)（探察設(shè)備開(kāi)關(guān)、保障設(shè)備開(kāi)關(guān)以及武器裝備開(kāi)關(guān)）；電磁設(shè)備屬性可以統(tǒng)稱為輻射源屬性，以飛機(jī)目標(biāo)為例，在飛機(jī)從航母起飛、空中攔截、返航的過(guò)程中都有對(duì)應(yīng)的輻射源開(kāi)關(guān)，因此，輻射源屬性也可以作為目標(biāo)態(tài)勢(shì)推理的重要來(lái)源。

（3）目標(biāo)軍事屬性

目標(biāo)軍事屬性首要判別的是在軍事活動(dòng)的活躍區(qū)域、重要的軍事范圍，確定節(jié)點(diǎn)為軍事區(qū)域狀態(tài)，以及目標(biāo)的戰(zhàn)場(chǎng)、歷史、文化、經(jīng)濟(jì)和政治知識(shí)。

（4）戰(zhàn)役級(jí)態(tài)勢(shì)推理要素

戰(zhàn)役級(jí)態(tài)勢(shì)推理要素是態(tài)勢(shì)推理的終點(diǎn)，也就是前面幾種態(tài)勢(shì)要素的邏輯組合會(huì)共同推理出這一級(jí)的態(tài)勢(shì)推理要素，圖1中列出了越界、攻擊、巡邏、偵察、轉(zhuǎn)場(chǎng)這幾種態(tài)勢(shì)推理結(jié)果。本文主要考慮偵察、巡邏、攻擊這三種態(tài)勢(shì)要素。

1.3基于本體表示態(tài)勢(shì)推理邏輯

通過(guò)構(gòu)建的本體態(tài)勢(shì)要素中的普通態(tài)勢(shì)要素和最終的戰(zhàn)役級(jí)態(tài)勢(shì)推理要素，構(gòu)建出偵察、巡邏和攻擊這三種模式的本體推理邏輯判斷，將三種本體邏輯連接起來(lái)就是最終的本體態(tài)勢(shì)推理邏輯。

（1）偵察模式

這種模式是敵方為了收集我方的軍事戰(zhàn)斗數(shù)據(jù)所進(jìn)行的偵察與探察。在這種模式下，當(dāng)目標(biāo)被捕獲之后，通過(guò)目標(biāo)基礎(chǔ)運(yùn)動(dòng)態(tài)勢(shì)要素可以得到目標(biāo)是否以固定航向在做非機(jī)動(dòng)飛行，再根據(jù)目標(biāo)的距離狀態(tài)我們可以得到飛機(jī)是否再進(jìn)行偵察或者是其他行狀態(tài)。最終再以目標(biāo)電磁設(shè)備屬性作為輔助的態(tài)勢(shì)要素，最終確定目標(biāo)是否再進(jìn)行偵察。

（2）巡邏模式

巡邏是指為了避免被攻擊的警戒行為。這種模式下的飛機(jī)一般會(huì)將火控雷達(dá)關(guān)閉，只開(kāi)啟用于巡邏的設(shè)備，而且在固定區(qū)域以固定航線進(jìn)行飛行。

（3）攻擊模式

攻擊是敵方目標(biāo)正式對(duì)我們發(fā)起進(jìn)攻的行為模式，這種情況的飛機(jī)的輻射源會(huì)將指定型號(hào)的火控雷達(dá)打開(kāi)，飛機(jī)進(jìn)行戰(zhàn)術(shù)機(jī)動(dòng)行為，飛機(jī)速度和高度會(huì)因?yàn)楣舻娘w機(jī)型號(hào)與飛機(jī)前一個(gè)狀態(tài)發(fā)生明顯變化。

2戰(zhàn)場(chǎng)關(guān)系數(shù)據(jù)庫(kù)到本體的轉(zhuǎn)換

將知識(shí)規(guī)則存儲(chǔ)到了本體中，但是只有本體中的推理邏輯不能進(jìn)行戰(zhàn)場(chǎng)態(tài)勢(shì)推理。因此需要對(duì)戰(zhàn)場(chǎng)數(shù)據(jù)進(jìn)行快速識(shí)別、組織和分類，將其轉(zhuǎn)換為有關(guān)聯(lián)的戰(zhàn)場(chǎng)關(guān)系數(shù)據(jù)庫(kù)，在此基礎(chǔ)上，再結(jié)合我們的本體推理邏輯，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)庫(kù)到本體模型的轉(zhuǎn)化，從而擁有了進(jìn)一步戰(zhàn)場(chǎng)態(tài)勢(shì)推理的基礎(chǔ)。

2.1構(gòu)建戰(zhàn)場(chǎng)關(guān)系數(shù)據(jù)庫(kù)

2.1.1戰(zhàn)場(chǎng)數(shù)據(jù)庫(kù)的預(yù)處理

原始的戰(zhàn)場(chǎng)數(shù)據(jù)比較復(fù)雜?？梢灾苯荧@取的數(shù)據(jù)，如靜態(tài)數(shù)據(jù)目標(biāo)型號(hào)、屬性和動(dòng)態(tài)數(shù)據(jù)目標(biāo)經(jīng)緯度、高度、速度等。直接數(shù)據(jù)經(jīng)過(guò)處理可以得到間接數(shù)據(jù)（如速度的加減速狀態(tài)、高度的升降狀態(tài)等）。數(shù)據(jù)的分類結(jié)構(gòu)如圖2所示。

2.1.2建立戰(zhàn)場(chǎng)關(guān)系數(shù)據(jù)庫(kù)

在對(duì)原始戰(zhàn)場(chǎng)數(shù)據(jù)進(jìn)行了分類和預(yù)處理后，以本體中的目標(biāo)固有屬性為參考，對(duì)數(shù)據(jù)進(jìn)行合理的組織描述，通過(guò)以下幾步完成關(guān)系數(shù)據(jù)庫(kù)的建立。

（1）明確目標(biāo)的所有類型

在明確戰(zhàn)場(chǎng)上所有目標(biāo)類型基礎(chǔ)上，可以建立出一張含有所有目標(biāo)類型的總表（見(jiàn)表1）。

（2）明確所有目標(biāo)的屬性

對(duì)于目標(biāo)類型的總表中列出的目標(biāo)，需要對(duì)每個(gè)目標(biāo)的屬性進(jìn)行確定（見(jiàn)表2）。

（3）最終目標(biāo)表結(jié)構(gòu)確定

完成了屬性分析后，根據(jù)每個(gè)目標(biāo)所擁有的屬性，建立對(duì)應(yīng)的目標(biāo)表，以戰(zhàn)斗機(jī)為例，其表結(jié)構(gòu)，如行為屬性目標(biāo)表，包含類、屬性、實(shí)例、關(guān)系等字段。主要包含飛機(jī)標(biāo)識(shí)號(hào)、型號(hào)、經(jīng)度、緯度、高度、速度、升高狀態(tài)、雷達(dá)工作模式、記錄時(shí)間等字段。

（4）目標(biāo)關(guān)聯(lián)表

目標(biāo)關(guān)聯(lián)表表達(dá)目標(biāo)之間的關(guān)系，對(duì)應(yīng)于本體中概念及屬性間的關(guān)系。以飛機(jī)和機(jī)場(chǎng)間的關(guān)系為例，其表結(jié)構(gòu)包含飛機(jī)標(biāo)識(shí)號(hào)和機(jī)場(chǎng)標(biāo)識(shí)號(hào)。

2.2數(shù)據(jù)庫(kù)到本體的轉(zhuǎn)換

在完成了基于態(tài)勢(shì)要素的戰(zhàn)場(chǎng)本體構(gòu)建和基于數(shù)據(jù)分類的戰(zhàn)場(chǎng)數(shù)據(jù)庫(kù)構(gòu)建后，需要將關(guān)系數(shù)據(jù)庫(kù)實(shí)例化到態(tài)勢(shì)估計(jì)領(lǐng)域本體。根據(jù)數(shù)據(jù)庫(kù)和專家本體知識(shí)庫(kù)的特性，可以得到數(shù)據(jù)庫(kù)到本體的語(yǔ)義映射和轉(zhuǎn)換原則：（1）數(shù)據(jù)庫(kù)目標(biāo)表到本體的轉(zhuǎn)換，將一個(gè)目標(biāo)表名轉(zhuǎn)換為一個(gè)本體類或一個(gè)本體關(guān)系；（2）數(shù)據(jù)庫(kù)表中字段到本體的轉(zhuǎn)換，將目標(biāo)表中字段轉(zhuǎn)換為本體屬性或本體關(guān)系；（3）數(shù)據(jù)庫(kù)表中記錄到本體的轉(zhuǎn)換，將目標(biāo)表中記錄轉(zhuǎn)換為一個(gè)本體實(shí)例；（4）數(shù)據(jù)庫(kù)表中外鍵到本體的轉(zhuǎn)換，將目標(biāo)表中外鍵轉(zhuǎn)換為一個(gè)本體關(guān)系；（5）數(shù)據(jù)庫(kù)表中主鍵到本體的轉(zhuǎn)換，將目標(biāo)表中主鍵轉(zhuǎn)換為一個(gè)本體屬性或與其他目標(biāo)表之間的本體關(guān)系。

通過(guò)以上對(duì)戰(zhàn)場(chǎng)關(guān)系數(shù)據(jù)庫(kù)的實(shí)體識(shí)別，屬性識(shí)別以及關(guān)系識(shí)別，將關(guān)系數(shù)據(jù)庫(kù)轉(zhuǎn)化為給具有語(yǔ)義信息的態(tài)勢(shì)領(lǐng)域的本體模型。

綜上，在完成了本體知識(shí)庫(kù)的建立和戰(zhàn)場(chǎng)關(guān)系數(shù)據(jù)庫(kù)到本體模型的轉(zhuǎn)換后，可以將戰(zhàn)場(chǎng)關(guān)系數(shù)據(jù)庫(kù)轉(zhuǎn)化的本體實(shí)例整合到專家本體知識(shí)庫(kù)中。專家知識(shí)庫(kù)負(fù)責(zé)整體推理結(jié)構(gòu)和邏輯的完整性，而本體實(shí)例負(fù)責(zé)與專家知識(shí)庫(kù)的實(shí)際信息匹配，為最終的態(tài)勢(shì)推理計(jì)算提供好數(shù)據(jù)完整性支持和邏輯推理支持。

3戰(zhàn)場(chǎng)態(tài)勢(shì)推理及試驗(yàn)仿真

在完成了態(tài)勢(shì)推理的底層數(shù)據(jù)與態(tài)勢(shì)推理邏輯保障后，本節(jié)將實(shí)現(xiàn)對(duì)當(dāng)前戰(zhàn)場(chǎng)態(tài)勢(shì)的實(shí)時(shí)計(jì)算感知和理解。

3.1分配專家概率及計(jì)算推理

根據(jù)本體專家知識(shí)庫(kù)的態(tài)勢(shì)推理邏輯，針對(duì)目標(biāo)的非戰(zhàn)役級(jí)態(tài)勢(shì)推理要素和戰(zhàn)役級(jí)態(tài)勢(shì)推理元素之間存在明顯的因果關(guān)系，如圖3所示，頂層為最終所要的態(tài)勢(shì)推理的最終結(jié)果，而底層為目標(biāo)固態(tài)屬性、行為動(dòng)態(tài)屬性等基本態(tài)勢(shì)要素。

可以得知，除底層態(tài)勢(shì)要素的每一個(gè)節(jié)點(diǎn)，都是由多個(gè)節(jié)點(diǎn)共同推理出的，直至推理出最終態(tài)勢(shì)。因此針對(duì)推理出的每一個(gè)節(jié)點(diǎn)，可以給推導(dǎo)出它的所有節(jié)點(diǎn)都賦給一個(gè)和為1的概率，這個(gè)概率一般是由專家給出。

將分配好的概率存入本體邏輯結(jié)構(gòu)中，導(dǎo)入實(shí)例化的關(guān)系數(shù)據(jù)庫(kù)，推理并進(jìn)行計(jì)算，最終戰(zhàn)役級(jí)態(tài)勢(shì)概率值最大的態(tài)勢(shì)節(jié)點(diǎn)即為我們所推理出的最終態(tài)勢(shì)。

3.2仿真結(jié)果

在完成了邊的概率分配后，設(shè)計(jì)相應(yīng)的劇情并生成對(duì)應(yīng)的仿真數(shù)據(jù)存入關(guān)系數(shù)據(jù)庫(kù)，得到如下仿真結(jié)果。

（1）偵察模式及巡邏模式

仿真劇情：捕捉到敵方飛機(jī)后，發(fā)現(xiàn)敵方飛機(jī)航向角為飛向我方關(guān)鍵區(qū)域，并對(duì)我方實(shí)施偵察行為，我方飛機(jī)正常巡邏，偵察行為實(shí)施結(jié)束后，敵方飛機(jī)按照固定航向進(jìn)入日常巡邏模式，如圖4所示。

經(jīng)過(guò)本體態(tài)勢(shì)網(wǎng)絡(luò)計(jì)算推理，可以得到兩種模式的最終概率，見(jiàn)表3和表4。

（2）攻擊模式

仿真劇情：捕捉到敵方飛機(jī)后，發(fā)現(xiàn)敵方飛機(jī)迅速靠近我方，我方飛機(jī)根據(jù)指令起飛，對(duì)敵方飛機(jī)進(jìn)行阻擊，如圖5所示。

經(jīng)過(guò)本體態(tài)勢(shì)網(wǎng)絡(luò)計(jì)算推理，可以得到攻擊模式的最終概率，見(jiàn)表5。

由以上三種模式的計(jì)算結(jié)果可知，最大概率所對(duì)應(yīng)的戰(zhàn)役模式剛好符合實(shí)際情況，態(tài)勢(shì)推理正確。

4智能化態(tài)勢(shì)技術(shù)研究

4.1 LSTM智能態(tài)勢(shì)推理算法

基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（long short-term memory networks， LSTM）的智能態(tài)勢(shì)推理算法利用了LSTM算法在具有時(shí)間序列的數(shù)據(jù)上分析優(yōu)勢(shì)，將戰(zhàn)場(chǎng)編碼后作為L(zhǎng)STM的輸入，通過(guò)對(duì)時(shí)間軸上的數(shù)據(jù)進(jìn)行關(guān)聯(lián)推理，輸出目標(biāo)意圖的結(jié)果。

本文建立基于模板匹配和LSTM智能算法組合的態(tài)勢(shì)推理算法，將其稱為基于組合智能的態(tài)勢(shì)推理算法，充分利用兩者優(yōu)勢(shì)進(jìn)行融合。

如圖6所示，基于組合智能的態(tài)勢(shì)推理模型由三個(gè)部分組成：LSTM網(wǎng)絡(luò)推理算法模塊、模板匹配算法模塊和推理結(jié)果校正模塊。該模型將LSTM推理結(jié)果和模板匹配結(jié)果相互校正，并更新歷史數(shù)據(jù)和補(bǔ)充作戰(zhàn)經(jīng)驗(yàn)，從而改進(jìn)推理結(jié)果。

4.2基于組合智能的態(tài)勢(shì)推理算法流程

上節(jié)給出了基于組合智能的態(tài)勢(shì)推理模型，該模型由三個(gè)部分組成，其中的LSTM推理模塊和模板匹配模塊在前面均已說(shuō)明。推理結(jié)果校正模塊主要作用是對(duì)兩個(gè)推理模型的結(jié)果進(jìn)行比較，當(dāng)結(jié)果出現(xiàn)不合理的時(shí)候解決沖突，給出最佳的推理結(jié)果，并改進(jìn)LSTM模型和模板匹配模型。

定義模板匹配輸出結(jié)果的匹配度為matchT，輸出結(jié)果為rT，匹配度閾值為L(zhǎng)imtT；定義LSTM推理輸出結(jié)果的最大概率為Pmax，輸出結(jié)果為rLSTM（輸出結(jié)果為概率最大對(duì)應(yīng)的結(jié)果），概率閾值為L(zhǎng)imtP；組合智能態(tài)勢(shì)推理的輸出結(jié)果為Result。給出推理結(jié)果校正規(guī)則見(jiàn)表6。

考慮了LSTM推理和模板匹配結(jié)果的各種情況：當(dāng)兩個(gè)模型的結(jié)果一致且可信度比較高時(shí)直接輸出結(jié)果；當(dāng)兩個(gè)模型結(jié)果不一致時(shí)取可信度較高的結(jié)果，并且更新可信度低的模型，即將新的數(shù)據(jù)重新訓(xùn)練LSMT模型或擴(kuò)展模板規(guī)則庫(kù)；當(dāng)兩個(gè)模型的結(jié)果可信度都比較低時(shí)取模板匹配的結(jié)果，并同時(shí)更新兩個(gè)模型。因?yàn)槟０迤ヅ涫菍?dāng)前戰(zhàn)場(chǎng)數(shù)據(jù)與通過(guò)歷史經(jīng)驗(yàn)建立的規(guī)則庫(kù)進(jìn)行匹配，因此該規(guī)則庫(kù)的可靠性較高得到的結(jié)果比較符合實(shí)際。而LSTM是通過(guò)不斷的學(xué)習(xí)和訓(xùn)練模型從而輸出結(jié)果，存在一定的不確定性，因此當(dāng)兩個(gè)模型的結(jié)果發(fā)生沖突時(shí)選擇模板匹配的結(jié)果更符合實(shí)際情況。

因此，基于組合模型的態(tài)勢(shì)推理算法處理流程圖如圖7所示。具體流程為：（1）獲取戰(zhàn)場(chǎng)觀測(cè)數(shù)據(jù)并作為組合模型的輸入；（2）對(duì)輸入數(shù)據(jù)進(jìn)行處理，如剔除無(wú)用信息、數(shù)據(jù)編碼、事件檢測(cè)等；（3）分別使用LSTM網(wǎng)絡(luò)算法和模板匹配算法進(jìn)行態(tài)勢(shì)推理；（4）分別對(duì)LSTM網(wǎng)絡(luò)算法和模板匹配算法輸出結(jié)果進(jìn)行分析，以確定它們是否滿足輸出閾值要求；（5）根據(jù)表6的規(guī)則來(lái)處理沖突結(jié)果：當(dāng)LSMT算法輸出結(jié)果不滿足條件時(shí)，補(bǔ)充LSTM算法的訓(xùn)練樣本對(duì)其重新訓(xùn)練；當(dāng)模板匹配輸出不滿足條件時(shí)，補(bǔ)充態(tài)勢(shì)模板庫(kù)；（6）根據(jù)表6中定義的輸出結(jié)果輸出算法的最終結(jié)果。

4.3試驗(yàn)仿真及分析

通過(guò)試驗(yàn)仿真，分析目標(biāo)在不同時(shí)刻的態(tài)勢(shì)模式以及與模板的相似度。

圖8是截取了目標(biāo)在30個(gè)仿真周期內(nèi)的態(tài)勢(shì)匹配值，在仿真初期目標(biāo)的偵察態(tài)勢(shì)比較明顯，而且追蹤的相似度也比較高。隨著仿真的繼續(xù)，目標(biāo)偵察態(tài)勢(shì)相似度逐漸下降，目標(biāo)轉(zhuǎn)向攻擊態(tài)勢(shì)，并且隨著攻擊態(tài)勢(shì)的相似度逐漸升高，其他態(tài)勢(shì)模式相似度在降低。在仿真過(guò)程中，目標(biāo)不存在集結(jié)態(tài)勢(shì)。

圖9截取了65個(gè)仿真周期的目標(biāo)態(tài)勢(shì)變化，目標(biāo)在不同仿真時(shí)刻的態(tài)勢(shì)如圖所示，在第45個(gè)仿真周期時(shí)目標(biāo)的攻擊態(tài)勢(shì)達(dá)到了100%。

將仿真期間一個(gè)群內(nèi)的4個(gè)目標(biāo)在不同仿真周期內(nèi)的態(tài)勢(shì)模式進(jìn)行了統(tǒng)計(jì)（見(jiàn)表7），4個(gè)目標(biāo)的態(tài)勢(shì)在不同時(shí)刻的態(tài)勢(shì)模式保持一致。

表7內(nèi)所列目標(biāo)在仿真周期內(nèi)分別經(jīng)歷了態(tài)勢(shì)為：集結(jié)、巡航、偵察、追蹤、攻擊、巡航等，根據(jù)態(tài)勢(shì)的變化過(guò)程來(lái)看，目標(biāo)執(zhí)行了一個(gè)作戰(zhàn)周期的作戰(zhàn)任務(wù)。

為了驗(yàn)證模板匹配算法對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)推理的應(yīng)用，試驗(yàn)以空中目標(biāo)作戰(zhàn)為背景，對(duì)態(tài)勢(shì)推理進(jìn)行了可視化仿真，試驗(yàn)配置了16個(gè)不同的目標(biāo)。并對(duì)相同類型的目標(biāo)用同一種顏色表示，其中紅色目標(biāo)表示戰(zhàn)斗機(jī)，黃色表示轟炸機(jī)，藍(lán)色表示偵察機(jī)，黑色表示預(yù)警機(jī)，航跡顏色與類型顏色相對(duì)應(yīng)。

圖10中將三個(gè)目標(biāo)劃分為兩個(gè)群，分別為04和05號(hào)，其中04號(hào)群為一個(gè)單目標(biāo)，正在執(zhí)行偵察任務(wù)，05號(hào)群有兩個(gè)目標(biāo)同時(shí)執(zhí)行偵察任務(wù)。

圖11中包含了6架戰(zhàn)斗機(jī)目標(biāo)，經(jīng)模板匹配得到的態(tài)勢(shì)模式為聚集。

圖12中有5個(gè)目標(biāo)，其中左邊編號(hào)為01的群兩個(gè)目標(biāo)處于追蹤模式，右邊的三個(gè)戰(zhàn)斗機(jī)目標(biāo)在執(zhí)行攻擊任務(wù)。

圖13中的兩個(gè)黃色目標(biāo)為轟炸機(jī)，它們被劃分為同一個(gè)目標(biāo)群（群編號(hào)為05），經(jīng)過(guò)模板匹配對(duì)它們的態(tài)勢(shì)模式進(jìn)行推理后得到的結(jié)果為巡航模式。

試驗(yàn)設(shè)置了10組仿真數(shù)據(jù)，分別進(jìn)行模板匹配算法驗(yàn)證，統(tǒng)計(jì)結(jié)果見(jiàn)表8。

4.4基于LSTM試驗(yàn)仿真及分析

試驗(yàn)設(shè)置場(chǎng)景包括12個(gè)目標(biāo)從不同的地方出發(fā)執(zhí)行任務(wù)，實(shí)現(xiàn)態(tài)勢(shì)推理，試驗(yàn)設(shè)置了6種態(tài)勢(shì)模式，分別為攻擊、追蹤、聚集、偵察、巡邏、未知。表9為12個(gè)目標(biāo)的配置，分為戰(zhàn)斗機(jī)、偵察機(jī)、轟炸機(jī)、預(yù)警機(jī)和民航飛機(jī)5種目標(biāo)類型。

圖14是目標(biāo)的初始化顯示，包含目標(biāo)位置、航跡、編號(hào)以及態(tài)勢(shì)模式等。

界面中將相同類型的目標(biāo)用同一種顏色表示，其中紅色目標(biāo)表示戰(zhàn)斗機(jī)，黃色表示轟炸機(jī)，藍(lán)色表示偵察機(jī)，綠色表示民航飛機(jī)，航跡顏色與類型顏色相對(duì)應(yīng)。

在仿真開(kāi)始階段，各個(gè)目標(biāo)單獨(dú)為一個(gè)群，即存在12個(gè)目標(biāo)群，且無(wú)法判斷態(tài)勢(shì)模式，所以初始態(tài)勢(shì)模式為未知。各個(gè)目標(biāo)旁邊標(biāo)注了該目標(biāo)的目標(biāo)編號(hào)和群編號(hào)以及目標(biāo)態(tài)勢(shì)模式。如圖14所示部分目標(biāo)的信息表示，GroupID為群編號(hào)，TargetID為目標(biāo)編號(hào)，Model表示態(tài)勢(shì)模式。

在圖15中，隨著目標(biāo)的運(yùn)動(dòng)狀態(tài)在不斷的變化，目標(biāo)的群組關(guān)系也在不斷變化，此時(shí)只有6個(gè)群，在分群后只對(duì)于同一個(gè)群內(nèi)的目標(biāo)只進(jìn)行信息表示。結(jié)果如圖15所示。

在圖16中，該時(shí)刻的6號(hào)、7號(hào)、11號(hào)三個(gè)目標(biāo)被劃分為一個(gè)群（GroupID=4），且經(jīng)過(guò)推理后得到這三個(gè)目標(biāo)的態(tài)勢(shì)為集結(jié)模式；群編號(hào)為3的兩個(gè)目標(biāo)4號(hào)、5號(hào)處于巡航模式；9號(hào)目標(biāo)是民航飛機(jī)，為一個(gè)單目標(biāo)群；3號(hào)目標(biāo)由于和其他目標(biāo)的距離和方向相差較大，也被劃分為一個(gè)單獨(dú)的目標(biāo)群，該目標(biāo)處于追蹤模式。

在圖17中，兩架偵察機(jī)和一架預(yù)警機(jī)劃分為一個(gè)群，這三個(gè)目標(biāo)在進(jìn)行執(zhí)行偵察任務(wù)。大部分目標(biāo)都集結(jié)在一起，該時(shí)刻將所有目標(biāo)劃分為4個(gè)群組，航跡信息清楚地描述了各個(gè)目標(biāo)的運(yùn)動(dòng)過(guò)程。其中1號(hào)群包含了所有的戰(zhàn)斗機(jī)和轟炸機(jī)以及一架偵察機(jī)，推理結(jié)果表明這8個(gè)目標(biāo)處于攻擊態(tài)勢(shì)，如圖18所示。左邊的偵察機(jī)和預(yù)警機(jī)已經(jīng)分開(kāi)，劃分為了兩個(gè)群，此外，偵察機(jī)群（GroupID=04）在執(zhí)行追蹤任務(wù)，預(yù)警機(jī)群（GroupID=02）執(zhí)行偵察任務(wù)。

圖19和圖20是偵察機(jī)、預(yù)警機(jī)和民航飛機(jī)的態(tài)勢(shì)，其中兩架偵察機(jī)為一個(gè)群組（GroupID=04），預(yù)警機(jī)和民航飛機(jī)分別單獨(dú)成為一個(gè)群組（GroupID=02和GroupID=03）。

通過(guò)對(duì)10組仿真數(shù)據(jù)進(jìn)行驗(yàn)證，計(jì)算不同推理模型的平均準(zhǔn)確率和推理時(shí)間（見(jiàn)表10）。其中組合智能模型提高了態(tài)勢(shì)推理的準(zhǔn)確性，并且推理時(shí)間合理，滿足戰(zhàn)場(chǎng)環(huán)境的實(shí)時(shí)性要求。

上述仿真將當(dāng)前時(shí)刻目標(biāo)的屬性、運(yùn)動(dòng)特征等要素，通過(guò)模型的推理得到了最終的態(tài)勢(shì)模式，可視化仿真動(dòng)態(tài)描述了不同目標(biāo)的運(yùn)動(dòng)狀態(tài)、目標(biāo)之間的群組關(guān)系以及目標(biāo)態(tài)勢(shì)的變化過(guò)程，將戰(zhàn)場(chǎng)環(huán)境轉(zhuǎn)化為戰(zhàn)場(chǎng)態(tài)勢(shì)圖，方便指揮員快速準(zhǔn)確地理解戰(zhàn)場(chǎng)態(tài)勢(shì)，從而采取正確的戰(zhàn)術(shù)決策。

5結(jié)束語(yǔ)

本文基于專家本體知識(shí)庫(kù)進(jìn)行戰(zhàn)場(chǎng)任務(wù)態(tài)勢(shì)推理，針對(duì)戰(zhàn)場(chǎng)多變的環(huán)境，通過(guò)關(guān)鍵態(tài)勢(shì)要素和典型的態(tài)勢(shì)模式，構(gòu)建出用于戰(zhàn)場(chǎng)態(tài)勢(shì)推理的專家本體網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)能夠通過(guò)將實(shí)時(shí)的戰(zhàn)場(chǎng)數(shù)據(jù)轉(zhuǎn)化為本體實(shí)例并與其進(jìn)行推理交互和匹配，最終將計(jì)算所得的最大推理概率所代表的任務(wù)推理作為最終的推理結(jié)果，從而正確的戰(zhàn)場(chǎng)態(tài)勢(shì)推理。另外，本文建立基于模板匹配和LSTM智能算法組合的態(tài)勢(shì)推理算法，將其稱為基于組合智能的態(tài)勢(shì)推理算法，充分利用兩者優(yōu)勢(shì)進(jìn)行融合，并對(duì)算法進(jìn)行仿真得出其實(shí)際運(yùn)行效率對(duì)比。

參考文獻(xiàn)

[1]張明遠(yuǎn).多源數(shù)據(jù)融合系統(tǒng)中態(tài)勢(shì)評(píng)估技術(shù)的研究[D].西安：西安電子科技大學(xué)，2004. Zhang Mingyuan. Research on situation assessment technology in multi-source data fusion system [D]. Xian： Xian University of Electronic Science and Technology， 2004.（in Chinese）

[2]柴慧敏.態(tài)勢(shì)估計(jì)中的關(guān)鍵技術(shù)研究[D].西安：西安電子科技大學(xué)，2009. Chai Huimin. Research on key technologies in situation assessment[D]. Xian： Xian University of Electronic Science and Technology， 2009.（in Chinese）

[3]Endsley M R. Toward a theory of situation awareness in dynamic systems[J]. The Journal of the Human Factors and Ergonomics Society，1995，37（1）：32-64.

[4]Daum F. Handbook of multisensor data fusion[J]. IEEE Signal Processing Magazine，2002，19（2）：94-94.

[5]韓占朋，王玉惠，程聰.態(tài)勢(shì)估計(jì)方法研究綜述[J].航空兵器， 2013（1）：14-19. Han Zhanpeng， Wang Yuhui， Cheng Cong. Overview of situation assessment method research [J]. Aviation Weapons， 2013 （1）： 14-19.（in Chinese）

[6]葛順.基于規(guī)則發(fā)現(xiàn)和貝葉斯推理的戰(zhàn)術(shù)意圖識(shí)別技術(shù)[D].哈爾濱：哈爾濱工程大學(xué)，2015. Ge Shun. Tactical intention recognition technology based on rule discovery and Bayesian reasoning [D]. Harbin： Harbin Engineering University， 2015.（in Chinese）

[7]陶景，于淼.聯(lián)合作戰(zhàn)籌劃中的態(tài)勢(shì)評(píng)估[J].國(guó)防科技，2018， 39（4）：119-122. Tao Jing， Yu Miao. Situation assessment in joint operation planning [J]. National Defense Science and Technology， 2018， 39 （4）： 119-122.（in Chinese）

[8]孟賀.一種基于智能計(jì)算的態(tài)勢(shì)推理方法研究[D].西安：西安電子科技大學(xué)，2017. Meng He. Research on situation reasoning method based on IntelligentComputing[D].Xian：XianUniversityof Electronic Science and technology， 2017.（in Chinese）

[9]王熠，邱雷，袁慎芳.基于ADALINE網(wǎng)絡(luò)的導(dǎo)波載荷影響補(bǔ)償方法[J].航空科學(xué)技術(shù)， 2020， 31（1）：17-24. Wang Yi， Qiu Lei， Yuan Shenfang. Guided wave load effect compensation method based on ADALINE network [J]. Aeronautical Science & Technology， 2020， 31 （1）： 17-24.（in Chinese）

[10]李偉生，王寶樹(shù).實(shí)現(xiàn)態(tài)勢(shì)估計(jì)的一種模板匹配算法[J].計(jì)算機(jī)科學(xué)， 2006， 33（5）：229-230. Li Weisheng， Wang Baoshu. A template matching algorithm for situation assessment [J]. Computer Science， 2006， 33 （5）： 229-230.（in Chinese）

[11]徐琳，宋萬(wàn)強(qiáng).基于動(dòng)態(tài)網(wǎng)格的多體分離計(jì)算技術(shù)研究[J].航空科學(xué)技術(shù)， 2019， 30（2）：11-17. Xu Lin， Song Wanqiang. Research on multi-body separation based on dynamic grid[J]. Aeronautical Science & Technology， 2019， 30 （2）： 11-17.（in Chinese）

[12]馬博平，王剛，葉坤，等.基于RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法的超聲速Licher雙翼優(yōu)化設(shè)計(jì)研究[J].航空科學(xué)技術(shù)， 2019， 30（9）：73-80. Ma Boping， Wang Gang， Ye Kun， et al. Optimization design of supersonic licher wing based on RBF neural network and genetic algorithm [J]. Aeronautical Science & Technology， 2019， 30 （9）： 73-80.（in Chinese）

[13]康耀紅.數(shù)據(jù)融合理論與應(yīng)用[M].2版.西安：西安科大出版社， 2006. Kang Yaohong. Data fusion theory and application [M]. 2nd Edition. Xian：Xian University of Science and Technology Press， 2006.（in Chinese）

[14]姚春燕，郁文賢，莊釗文.態(tài)勢(shì)估計(jì)中一種基于貝葉斯估計(jì)的統(tǒng)計(jì)時(shí)間推理方法[J].火力與指揮控制， 1999，24（1）：48-52. Yao Chunyan， Yu Wenxian， Zhuang Zhaowen. A statistical time reasoning method based on Bayesian estimation in situation assessment [J]. Firepower and command control， 1999，24（1）：48-52.（in Chinese）

[15]姚莉，龔勇，王長(zhǎng)纓，等.一種基于BDI Agent的復(fù)雜系統(tǒng)設(shè)計(jì)建模方法[J].小型微型計(jì)算機(jī)系統(tǒng)， 2005（4）：133-138. Yao Li， Gong Yong， Wang Changying， et al. A modeling method for complex system design based on BDI Agent [J]. Minicomputer System， 2005 （4）： 133-138.（in Chinese）

[16]徐從富，耿衛(wèi)東，潘云鶴.面向數(shù)據(jù)融合的DS方法綜述[J].電子學(xué)報(bào)， 2001，29（3）：393-396. Xu Congfu， Geng Weidong， Pan Yunhe. A survey of DS method for data fusion [J]. Acta Electronica Sinica， 2001，29（3）： 393-396.（in Chinese）

[17]商長(zhǎng)安，劉志杰，王鳳山.系統(tǒng)動(dòng)力學(xué)防空戰(zhàn)場(chǎng)信息戰(zhàn)模型[J].火力與指揮控制， 2005（6）：10-12. Shang Changan， Liu Zhijie， Wang Fengshan. System dynamics airdefensebattlefieldinformationwarfaremodel[J]. Firepower and Command Control， 2005 （6）： 10-12.（in Chinese）

（責(zé)任編輯王為）

作者簡(jiǎn)介

李寶森（1973-）男，碩士，研究員。主要研究方向：雷達(dá)系統(tǒng)設(shè)計(jì)、微波設(shè)計(jì)。

Tel：13937998086

王浩軍（1977-）男，碩士，高級(jí)工程師。主要研究方向：雷達(dá)接收機(jī)設(shè)計(jì)、微波設(shè)計(jì)。

Tel：15038522006

E-mail：chinacommwhj@21cn.com

Situation Reasoning Based on Ontology Modeling

Li Baosen1，Wang Haojun1，*，Mu Shibo2

1. China Air-to-Air Missile Academy，Luoyang 471009，China 2. Military Deputy Bureau in China Air-to-Air Missile Academy，Luogang 471009，China

Abstract： In order to overcome the shortcomings of traditional reasoning methods in situational representation and situational reasoning， this paper aims at situational reasoning， and uses ontology modeling to store the knowledge of the rules needed for situational reasoning， making the battlefield logic rules clear and easy to expand. Combining situational ontology logic， it can identify and classify battlefield data stored based on relational databases， and complete the transformation of situational information from relational database to ontology， thereby transforming situational reasoning problems into battlefield situational reasoning based on ontology modeling. This method fully takes into account the multi-attribute decision-making reasoning problem caused by the multi-situation factors in the real battlefield situation， making the reasoning result closer to reality and has better practicability.

Key Words： situational reasoning； ontology； relational database； multi-attribute decision making