主动元模型的建模与应用框架.docx
《主动元模型的建模与应用框架.docx》由会员分享，可在线阅读，更多相关《主动元模型的建模与应用框架.docx（68页珍藏版）》请在冰豆网上搜索。
主动元模型的建模与应用框架
分类号TP391学号05050008
UDC密级公开
工学硕士学位论文
主动元建模框架及其应用研究
硕士生姓名李小波
学科专业控制科学与工程
研究方向系统论证与仿真评估
指导教师李群副教授
国防科学技术大学研究生院
二〇〇七年十一月
AStudyonMotivatedMetamodelingFrameworkanditsApplication
Author:
LiXiaobo
Supervisor:
Vice-Prof.LiQun
ADissertationSubmittedfortheMaster'sDegree
InstituteofSystemsEngineering
NationalUniversityofDefenseTechnology
Changsha,Hunan,P.R.China,410073
Nov,2007
目录
摘要I
ABSTRACTII
第一章绪论1
§1.1研究背景及意义1
§1.2国内外研究现状2
1.2.1仿真元建模方法3
1.2.2主动元建模方法4
§1.3本文的研究目标和研究内容6
§1.4本文的组织结构7
第二章主动元模型的建模与应用框架8
§2.1仿真元模型8
2.1.1元模型、仿真模型及源系统的关系8
2.1.2统计元模型的生成过程9
2.1.3统计元模型的拟合方法10
2.1.4统计元模型的评估11
§2.2主动元建模理论概述13
2.2.1主动元模型的概念13
2.2.2主动元模型的结构框架13
2.2.3主动元建模的形式化描述14
§2.3主动元模型的建模框架15
2.3.1主动元模型与仿真系统层次关系的确定15
2.3.2主动元模型的生成16
2.3.3主动元模型的评估17
§2.4主动元模型的应用框架17
2.4.1主动元模型的应用方式18
2.4.2主动元模型的应用要求19
§2.5本章小结19
第三章主动元模型的模型结构设计方法20
§3.1主动元模型结构设计概述20
3.1.1启发知识的获取20
3.1.2主动元模型结构设计的原则21
3.1.3主动元模型结构设计的策略22
3.1.4基于启发知识的模型简化23
§3.2基于因果推理的主动元模型结构设计24
3.2.1因果推理的基本概念及其在主动元建模中的作用24
3.2.2由目标模型结构出发的因果推理25
3.2.3由目标模型行为出发的因果追溯28
§3.3基于数据分析的主动元模型结构设计29
3.3.1主动元建模中的数据分析概述29
3.3.2仿真数据挖掘在元模型结构设计中的应用30
§3.4本章小结33
第四章EPSS导弹攻防对抗仿真系统及其元建模需求34
§4.1EPSS仿真系统概述34
4.1.1EPSS仿真系统的功能需求和系统结构34
4.1.2EPSS仿真系统的基本想定35
4.1.3EPSS仿真系统的运行过程37
§4.2EPSS仿真系统的模型框架38
4.2.1EPSS系统模型组成38
4.2.2EPSS系统模型接口关系40
§4.3EPSS仿真系统的元建模需求和目标41
4.3.1EPSS仿真系统的元建模需求41
4.3.2GBI拦截过程及其仿真模型42
4.3.3GBI拦截过程的主动元建模需求分析43
4.3.4主动元模型的建模目标44
§4.4本章小结44
第五章地基拦截弹拦截过程主动元模型的建模与应用46
§5.1拦截过程主动元模型的生成和评估46
5.1.1主动元模型与EPSS仿真系统层次关系的确定46
5.1.2主动元模型结构设计48
5.1.3数据采集和模型拟合53
5.1.4主动元模型的评估54
§5.2拦截过程主动元模型的应用54
5.2.1嵌入式应用55
5.2.2单独应用55
§5.3本章小结57
第六章结束语58
致谢59
参考文献60
攻读硕士学位期间发表的论文64
图目录
图1.1统计元建模过程5
图1.2主动元建模过程5
图2.1源系统、仿真模型及元模型的关系9
图2.2元模型生成过程基本流程图9
图2.3主动元模型的建模框架15
图2.4主动元模型与仿真系统的层次关系16
图3.1主动元模型结构设计过程20
图3.2集结法中各变量间的映射关系24
图3.3雷达稳定跟踪能力问题分析树26
图3.4元模型结构设计中的仿真数据挖掘过程32
图4.1EPSS系统总体结构35
图4.2美国导弹防御系统作战概念图36
图4.3EPSS系统的整体运行过程37
图4.4EPSS系统仿真框架用户界面38
图4.5进攻方模型组成39
图4.6防御方模型组成40
图4.7EPSS系统模型接口关系41
图4.8GBI拦截过程仿真模型43
图5.1拦截结果问题分析树48
图5.2初始的变量因果关系图49
图5.3变量聚合后的中间变量因果关系图50
图5.4主动元模型最终的变量因果关系图53
图5.5交班距离与脱靶量关系图57
表目录
表5.1目标模型变量及其含义47
表5.2主动元模型拟合系数值54
表5.3主动元模型评估结果54
表5.4拦截弹重要事件点平均时间（单位：
秒）55
表5.5仿真模型与主动元模型运行结果对比56
摘要
针对探索性分析、决策支持、高层论证等高层仿真问题对低分辨率模型的需求，本文提出了主动元模型的建模框架，并研究了建模框架中的关键问题——主动元模型结构设计。
在此建模框架中建立的主动元模型能够符合高层仿真对低分辨率模型的要求，很好地支持高层仿真。
本文的主要工作可以总结为以下三个方面：
1）主动元模型的建模框架和应用框架
本文在总结仿真元建模理论的和已有的主动元建模理论的基础上提出了包括元模型与仿真系统层次关系的确定、元模型的生成和评估三个主要步骤在内的面向高层仿真的主动元建模框架。
并且研究了主动元模型在高层仿真中的应用框架。
2）主动元模型结构设计
本文详细分析了主动元模型结构设计的过程：
采用因果推理和数据分析等方法从现象学知识中提取启发知识，再进行基于启发知识的目标模型简化。
此外，论文还对因果推理和数据分析两种关键技术进行了深入研究。
3）主动元模型在导弹攻防对抗中的建模和应用
首先对EPSS仿真系统进行了深入分析，提出了在该仿真系统中的主动元建模需求和建模目标。
然后在总结相关文献和进行大量仿真实验的基础上进行元模型结构设计并生成GBI拦截过程主动元模型，最后运用元模型对GBI拦截过程进行研究。
关键词：
仿真元模型主动元模型建模框架元模型结构设计因果推理仿真数据挖掘地基拦截弹
ABSTRACT
Aimingattherequirementsofbuildinglowresolutionmodelstostudyhighlevelsimulationproblemssuchasexploratoryanalysis,decisionsupportandhighlevelreasoning,thisthesisproposesamodelingframeworkofmotivatedmetamodel,andstudiesthekeyissueofthemodelingframework—structuredesignofmotivatedmetamodel.Metamodelsbuiltunderthisframeworkcanmeettherequirementsofhighlevelsimulationandsupporthighlevelsimulationsoundly.Themajorworkofthisthesiscanbeconcludedasfollowingthreeaspects:
1）Modelingframeworkandapplicationframeworkofmotivatedmetamodel
Thisthesisconcludesthesimulationmetamodeltheoryandexistingmotivatedmetamodelingtheory,andthenproposesamodelingframeworkofmotivatedmetamodel,whichincludesconfirmingtherelationshipbetweenmetamodelandsimulationsystem,metamodelbuilding,metamodelevaluation.Andstudytheapplicationframeworkinthehighlevelsimulation.
2）Structuredesignofmotivatedmetamodel
Thisthesisanalyzesthestructuredesignprocessindetail:
First,distillmotivatedknowledgefromphenomenologybyusingcause-effectreasoninganddataanalysis.Then,simplifytheobjectmodelonthebaseofmotivatedknowledge.Moreover,thisthesisstudiesthetwokeytechnologies—cause-effectreasoninganddataanalysis.
3）Thebuildingandapplicationofmotivatedmetamodelinthemissileattackdefense
Firstly,thisthesisanalyzestheEPSSsimulationsystemindepthandproposesthemotivatedmetamodelingrequirementsandmodelingobjective.Then,designthemetamodelstructureandbuildingtheGBIinterceptprocessmetamodel.Lastly,usethemetamodeltostudytheprocessofGBIinterception.
Keywords:
SimulationMetamodel,MotivatedMetamodel,ModelingFramework,StructureDesignofMetamdel,Cause-effectReasoning,SimulationDataMining,GBI.
第一章绪论
§1.1研究背景及意义
随着科学技术的发展和仿真理论研究的不断深入，探索性分析、决策支持、高层论证等问题研究的仿真源系统也越来越复杂，体现出以下新特征：
高度不确定性，层次特性和复杂特性。
对这类问题进行建模和仿真时需要考虑复杂多变的环境和大量不确定因素的影响，完全采用分辨率较高的模型进行仿真研究时，在模型的开发、验证和模型数据的有效获取方面存在较大困难并且可能会导致维度灾难。
此外，专家知识和经验在这些问题中具有重要作用，解析模型也有其自身的优势和特点。
如何将仿真结果、专家知识和解析模型结合起来，建立符合这些仿真问题需求的低分辨率模型，是建模技术面临的新挑战。
近年来，对仿真模型的输入输出进行拟合的统计元建模技术在建立低分辨率模型方面发挥着越来越重要的作用。
统计元模型有以下几个方面的作用：
（1）增加对真实系统（源系统）及仿真模型的理解；
（2）预测输出变量或响应变量的值；（3）作为高分辨率的低层仿真模型的代理简化模型应用于高层低分辨率仿真；（4）进行系统或体系的优化；（5）辅助仿真模型的校验与确认。
但是，由于统计元建模方法把目标模型当成黑箱，不考虑目标模型和源系统的内部机理，只是从拟合效果的角度选择拟合算法，用统计方法对模型参数进行回归生成元模型。
这样得到的元模型只是代表了仿真模型在输出输入意义上的行为，没有考虑输入变量与输出变量之间的逻辑关系，不包含目标模型中相关的机理。
因此，统计元模型在高层论证、决策支持、探索性分析，尤其是在支持高层决策的仿真分析和对抗性仿真中的应用存在以下缺陷[1]：
（1）预测有效性差：
探索性分析、决策支持、高层的推理和交流等高层仿真问题要处理的问题非常复杂，通常要对多个类别的海量输入进行处理；而统计元模型在大范围输入的情况下，预测有效性很难保证，并且有可能得出错误的结果。
（2）可理解性和可解释性差：
统计元模型把目标模型当作黑箱，不考虑输入变量与输出变量之间的逻辑关系，因此所得到的结果很难被人理解，建模者也很难从物理机理和事物本身的角度进行令人信服的解释。
这在高层决策支持中是个很严重的问题，因为决策者需要考虑大量不确定因素，对各种方案进行再三权衡，他们不能仅仅接受模型所得到的结果，还必须对他们所作选择的价值做出令人信服的解释。
（3）难以进行关键因素的识别：
探索性分析等高层仿真问题的研究对象一般都存在关键因素，任何一个关键因素的失效都将导致整个系统的崩溃。
而统计元模型很难反映系统的这种脆弱性，尤其当这些关键因素是中间层次抽象出来而不是在输入中直接可见时，这种缺点更加明显。
（4）难以正确标明变量的重要度：
采用逐步回归所得到统计元模型可能将两个实际上具有同等重要性的变量标记为不同的重要度。
在统计元建模的过程中，采用不同的实验设计方法会影响变量的重要度，而重要度与决策中的资源分配有直接关系，因此会进一步影响到统计元模型的精确性。
（5）难以反映对抗性问题的特征：
在对抗性问题中，竞争对手或敌方会寻找己方系统中的薄弱环节进行攻击。
当采用元模型对这类问题进行研究时，与这种对抗性特征相关的输入变量在整个输入域的范围内都具有决定性意义。
统计元模型是对目标模型输入输出关系的一种统计平均，在总体上表现输入输出关系性能尚可，但是在输入域内的某一部分可能不够精确。
而这些部分往往容易被敌对方利用作为攻击突破口。
由上可知，传统的统计元建模技术由于内在的缺陷不能有效地建立符合探索性分析等高层仿真问题的低分辨率模型。
针对这个问题，美国兰德公司的Davis等人提出了综合运用因果推理和统计元建模技术的主动元建模（MotivatedMetamodeling）技术。
主动元模型在对低层高分辨率模型和数据进行拟合时，能够基于已有的对源系统和目标模型机理的认识进行元模型结构设计，使得元模型的输入变量和输出具备机理联系，不再是黑箱。
主动元模型与一般统计元模型的最大区别在于其基于已有的知识背景来对其内部机理进行描述。
因此，从概念和原理上来说，主动元建模技术充分利用了专家知识、历史经验、建模者对建模对象的认识、解析模型和已有的高分辨率模型的结果，充分弥补了统计元模型的缺陷，能够建立拟合精度高和反映目标模型机理的低分辨率模型。
但是，从理论研究现状和实际应用角度来看，主动元建模技术研究还存在以下问题：
（1）对主动元建模的理论研究还刚起步，没有提出系统的面向探索性分析等高层仿真问题的建模框架，没有建模框架的支持就缺乏将主动元建模理论用于高层仿真的一般性理论指导；
（2）对于如何进行主动元模型结构的设计目前只有一些零散的认识，还没有提出一般的方法，也没有系统地提出支撑主动元模型结构设计的相关技术；
（3）主动元建模技术的应用研究很少，缺乏对应用规律的总结，相关的理论也还没有得到有效的验证。
因此，对主动元建模框架及其应用的研究，将拓展仿真元模型的应用领域，进一步推动主动元建模的发展，更好地支撑探索性分析、高层决策支持以及多分辨率建模，具有非常重要的理论和实践意义。
§1.2国内外研究现状
本文在总结仿真元建模方法的基础上对主动元建模方法进行了深入研究，与本文研究相关的领域主要有仿真元建模方法和主动元建模方法两个方面。
1.2.1仿真元建模方法
高层论证、决策支持、探索性分析、多分辨率模型的建立以及快速的自适应计算都需要低分辨率模型。
在战略层次的仿真中，由于认知需要和对不确定性进行探索的需要，低分辨率的简单模型显得尤为重要。
而已有的简化复杂模型的方法不但费时，并且难以得到正确性较高的简单模型。
这些困难使许多研究人员认识到：
能不能仅仅对目标模型的行为进行模拟和研究呢？
元建模技术正是在此背景中产生和发展的。
所谓元模型（Meta-Model），就是指模型的模型。
软件工程领域和运筹学领域都有元模型的概念。
在软件工程领域，元模型是用来描述模型的建模语言。
在复杂系统的研究中，需要建立一个完备的复杂系统仿真开发体系结构，以便实现不同领域仿真系统和仿真应用间的互操作以及仿真部件的可重用。
这样，就从软件工程的角度提出了元模型的概念与基于元模型的建模技术[2]。
而在运筹学领域，元模型是指模型的二次模型，或低阶简化模型，本文所采用的元模型的第二种含义，即运筹学领域的含义。
它可看作是仿真数据的数学模型。
建立元模型的活动称为元建模（Meta-Modeling）。
在系统仿真中，通常源系统（或真实系统）是指需要建模的某个系统、想法、状况、政策或现象；仿真模型是源系统的一个因果模型，是对源系统的简化近似描述，而元模型是对仿真模型的输入——输出结果序列进行拟合而得到的新的简化的、近似的数学模型，是仿真模型的一个简单的替代模型。
因此，它能大大降低仿真模型的复杂度，用它来代替或部分代替仿真模型进行仿真实验，能在满足精度要求的条件下，大幅度减少计算开销，提高仿真的效率。
早期的元建模有两个主要思路：
一是不关注目标模型的内部机理，采用将目标模型处理为黑箱的统计元建模方法，二是对目标模型的内部机理进行研究，根据自己的理解对因果关系进行简化，建立简化的因果关系元模型。
第二种不是很关注模型细节而且得出的简化模型无法得到有效验证，对使用目标模型的用户而言可信度不高，因而应用范围受到限制。
统计元建模技术是仿真元模型中发展最早最成熟的技术，传统元模型一般是指统计元模型。
它是采用一定的拟合算法对原始模型的输入参数—输出结果系列进行拟合而得到的目标的二次数学模型。
仿真元模型的概念首次于1975年由Blanning提出[3]，从20世纪70年代末期开始起步，仿真元模型已经越来越广泛地应用于生产制造、工程技术、经济管理与军事作战等各个领域，元模型的建模方法也越来越丰富，关于元模型的研究逐步成为仿真理论与实践的热点，其文献呈逐步增长趋势。
在EI数据库中检索含“simulationmetamodel”词条的论文共434篇。
主要的控制性词汇涉及计算机仿真、数学模型、最优化、回归分析、近似理论、统计方法、随机过程、神经网络、计算方法与计算机辅助设计等。
元模型的研究内容主要有：
一般性理论研究[4][5][6]、拟合方法研究[7][8]、实验设计与优化研究[9][10]、应用研究[11][12][13][14]等。
当前，元建模的研究主要有两个方向：
一是对现有的拟合算法进行改进和引进新的拟合算法，例如引进高斯径向基函数[16]，对Kriging算法进行改进[17]；二是针对大型仿真系统的统计元建模越做越复杂，要想得到好的拟合效果需要用到很多高深的数学知识，引入同仿真模型自身相关的知识，仅用简单的统计学知识构建能提供更多系统信息且方便决策者间进行思想交流的元模型。
这方面比较突出的科学家有Bigelow和Davis[18]，Snodgrass[19]等。
在国内，关于元模型的研究与应用刚刚起步。
杨峰博士对元模型的相关理论作了系统总结，在此基础上提出了元模型的组织方法——元框架建模方法，并且采用面向聚合的元模型建模方法，通过元模型嵌入和组合两种不同的方式将低层仿真的结果聚合到高层仿真系统中[20]。
张丽提出了应用神经网络方法生成低层仿真系统的元模型，再将仿真元模型聚合到同一实验框架下进行系统仿真的思想，详细探讨了应用BP神经网络建立仿真元模型的一些关键问题，并应用实例对相应的解决方法进行了验证[21]。
李建平在博士论文中对仿真元模型的拟合方法进行了系统总结，在此基础上提出了两种新的拟合方法：
组合元模型方法和支持向量机的元模型拟合方法[22]。
以上讨论的元建模方法基本上都没有考虑源系统的机理和仿真模型的内部结构，只是选取固定的拟合算法对目标模型的输入输出进行拟合，属于传统的统计元建模范畴，下面介绍一种综合运用因果推理和统计方法的元建模方法——主动元建模。
1.2.2主动元建模方法
2003年，兰德公司的Davis和Bigelow针对多分辨率建模实验框架下仿真元建模与探索性分析中出现的问题提出了主动元模型理论[1]。
Davis等人认为传统的统计元建模方法由于不关注目标模型机理，也不对仿真模型已有的结果进行分析以获得对源系统的认识进行元建模，建立的统计元模型不能反映目标模型机理，其结果不具备可理解性和可解释性，因而不能满足探索性分析和高层决策支持的需要。
因此，Davis等人提出了利用现象学知识（Phenomenology，研究人的经历中所有可能出现情况的学问，在此期间，并不考虑客观现实和纯粹的主观反应，这里指分析者对分析问题的认识）进行元建模的思路。
在系统仿真领域，现象学来知识是在源系统和目标模型机理的认识、已有的历史数据、专家知识和经验的基础上进行综合形成的。
主动元模型在对目标模型的行为进行模拟时，考虑从底往上的现象学，又考虑从高层往低层的现象学来确定元模型形式。
因而主动元模型输入输出变量之间存在机理联系。
文中，作者对统计元建模过程和主动元建模过程做了对比，如图1.1和图1.2所示。
此外还对主动元模型的结构框架、构建主动元模型的启发知识类型、建模过程和主动元模型的评估标准进行了开创性的研究。
Davis等人还对主动元模型的应用做了开创性的研究，对研究阻断问题的EXHALT—CF大型解析模型建立主动元模型来研究与阻断距离有关的各种因素及其影响关系[18]。
EXHALT—CF在基本阻断问题地基础上增加了许多有关当前战略的真实的军事行为，特别是波斯湾地区的军事行为。
为了突出主动元模型和统计元模型在建模过程和模型运行结果上的差异，Davis等人先后建立了四个元模型。
首先，完全使用简单的典型统计元建模方法，对EXHALT—CF构建了第一个元模型，第一个元模型的拟合度一般，统计中的平均现象使得阻拦距离被明显地低估；该模型有14个变量，依然比较复杂；各变量处于同等地位，没有区分变量之间的重要性；输入与输出变量之间没有任何的逻辑关系，没有任何的可理解性和可解释性，结果这样只能解释成“计算机运行出来的结果就是这样”。
图1.1统计元建模过程
图1.2主
升级会员 