一种基于大数据的体系基础认知能力评估方法与流程

本发明提出了一种基于大数据的体系基础认知能力评估方法，它涉大数据、系统科学、可靠性评估等技术领域。

背景技术：

近年来随着装备体系的逐步发展与完善，其自身的复杂程度也在以指数爆炸的形式在增长。在对复杂系统的脆性、弹性、可靠性进行评估时，如果继续以传统的方式进行评估，可能得到的评估结果会与实际情况产生较大的差异，由此引起的相关评估结果的失真是不能接受的。于是一种新的，可以有效应用于评估复杂体系的可靠性、脆性、弹性的方法这在被需求。面对这样的需求，在本专利中主要通过结合大数据分析的相关方法及系统科学的相关理论对体系的可靠性、脆性、弹性进行评估。

在本专利中，首先通过层层分析的方式，将体系中的单体、局部、整体进行分层次的分析，分别分析体系中的单体、局部、整体的可靠性、脆性、弹性后再综合分析得出体系的最终分析结果，在本专利中，将这种最终分析的结果称为体系基础认知能力。

所谓的基础认知能力就是指体系无论在何种环境下，都必须拥有的能力，这些能力也会随着环境的不同而改变，但是其对于单一环境的动态变化大多是基于体系中个体的数量、体系中个体种类及体系中的其他变化而变化的。这样的能力是一个体系生存、工作的一个基础功能。可以说对于任何的环境条件下，体系基础认知能力都是十分重要的，特别是在体系实际的对抗环境中，如果没有一个好的体系基础认知能力，那么就不能真正的做到“了解自己”，在不了解自己的情况下做出任何的决策可能都会使得体系走向失败或者灭亡。因此无论在何种情况下“知己”都要比“知彼”放在一个更高的优先级。可以想象，如果一个体系拥有很强的环境探测能力、对抗体系的认知能力，这些能力都可以简单的总结在“知彼”的领域中，但是这个体系却无法进行自身情况的评估，如评估自身的体系脆性、体系弹性、体系可靠性，那么我们就可以想象，除非这个体系拥有极强的战斗力和非常好的冗余储备，否则在体系对抗的环境中这样的体系是很难获胜的。

通过以上的叙述，可以出体系基础认知能力对于体系来讲的重要性，因此进行准确的体系基础认知能力就变得十分必要。

综上，本专利提出了一种基于大数据的体系基础认知能力评估方法。

技术实现要素：

(一)发明的目的

本发明主要应用于解决体系基础认知能力(单体/局部/整体的脆性、弹性、可靠性的评估认知能力)评估的相关问题。对于现有方法不能够很好的满足日渐复杂的体系基础认知能力，本专利集合大数据方法及系统科学的相关理论提出了一种基于大数据的体系基础认知能力评估方法。通过这样的方法可以有效提升评估结果的准确性、科学性及可信性。

(二)技术方案

为了实现上述目的，本发明的方法所采用的技术方案是：一种基基于大数据的体系基础认知能力评估方法。

本发明所述的评估方法主要由体系中单体的脆性、弹性、可靠性认知能力(用rsingle表示)，体系中局部的脆性、弹性、可靠性认知能力(用rpart表示)，以及体系整体的脆性、弹性、可靠性认知能力(用rentirety表示)这三的能力构成的。通过对以上三个能力的客观评估，有机的评估出体系基础认知能力评估的最终评价结果。

本发明所述的“一种基于大数据的体系基础认知能力评估方法”，其步骤如下：

步骤a：评估体系中单体的脆性、弹性、可靠性认知能力rsingle；

步骤b：评估体系中局部的脆性、弹性、可靠性认知能力rpart；

步骤c：评估体系整体的脆性、弹性、可靠性认知能力rentirety；

步骤d：综合评估体系中单体的脆性、弹性、可靠性认知能力rsingle、体系中局部的脆性、弹性、可靠性认知能力rpart、体系整体的脆性、弹性、可靠性认知能力rentirety得出体系基础认知能力评估的最终结果ν。

通过以上步骤，可以实现基于大数据的体系基础认知能力评估，达到了评估方法适应性强、评估结果准确度高的效果，解决了现有评估方法适应性差、评估结果可信度低等方面的实际问题。

其中，步骤a中所述的“评估体系中单体的脆性、弹性、可靠性认知能力rsingle”，其作法如下：它是通过比较体系对于某一个单体的脆性、弹性、可靠性的预测与实际值得误差大小来评估的；误差越小，则体系中单体的脆性、弹性、可靠性认知能力rsingle越强；针对于体系中单体的脆性、弹性、可靠性认知能力rsingle的评估，包括如下步骤：

步骤a1：通过步进的方式改变外界环境的应力，利用体系中对于单体脆性、弹性、可靠性的预测模型预测体系中单体的脆性、弹性、可靠性，并将预测值与真实值进行对比，根据误差的大小进行预测模型的修正，重复如上过程n次；

步骤a2：测定第n+1次的体系中单体的脆性、弹性、可靠性指标，并与真实值进行对比，根据相对误差的大小评估体系中单体的脆性、弹性、可靠性认知能力rsingle强弱；针对于体系中单体的脆性、弹性、可靠性认知能力rsingle的评估函数如下：

rsingle＝f(aav,aares,aarel,av,ares,arel)(1)

该函数中的av为体系的单体脆性与实际脆性相对误差；ares为体系的单体弹性与实际弹性相对误差；arel为体系的单体可靠性与实际可靠性相对误差；aav,aares,aarel为参数，可以根据不同的体系基础认知能力评估需求进行更改。

其中，步骤b中所述的“评估体系中局部的脆性、弹性、可靠性认知能力rpart”，其作法如下：它是通过比较体系对于某一个局部的脆性、弹性、可靠性的预测与实际值得误差大小来评估的；误差越小，则体系中局部的脆性、弹性、可靠性认知能力rpart越强；针对于体系中局部的脆性、弹性、可靠性认知能力rpart的评估，包括如下步骤：

步骤b1：通过步进的方式改变外界环境的应力，利用体系中对于局部脆性、弹性、可靠性的预测模型预测体系中局部的脆性、弹性、可靠性，并将预测值与真实值进行对比，根据误差的大小进行预测模型的修正，重复如上过程n次；

步骤b2：测定第n+1次的体系中局部的脆性、弹性、可靠性指标，并与真实值进行对比，根据相对误差的大小评估体系中局部的脆性、弹性、可靠性认知能力rpart强弱；针对于体系中体系中局部的脆性、弹性、可靠性认知能力rpart的评估函数如下：

rpart＝f(abv,abres,abrel,bv,bres,brel)(2)

该函数中的bv为体系的局部脆性与实际脆性相对误差；bres为体系的局部弹性与实际弹性相对误差；brel为体系的局部可靠性与实际可靠性相对误差；abv,abres,abrel为参数，可以根据不同的体系基础认知能力评估需求进行更改。

其中，步骤c中所述的“评估体系整体的脆性、弹性、可靠性认知能力rentirety”，其作法如下：它是通过比较体系对于整体的脆性、弹性、可靠性的预测与实际值得误差大小来评估的；误差越小，则体系整体的脆性、弹性、可靠性认知能力rentirety越强；针对于体系整体的脆性、弹性、可靠性认知能力rentirety的评估，包括如下步骤：

步骤c1：通过步进的方式改变外界环境的应力，利用体系中对于整体脆性、弹性、可靠性的预测模型预测体系整体的脆性、弹性、可靠性，并将预测值与真实值进行对比，根据误差的大小进行预测模型的修正，重复如上过程n次；

步骤c2：测定第n+1次的体系整体的脆性、弹性、可靠性指标，并与真实值进行对比，根据相对误差的大小评估体系整体的脆性、弹性、可靠性认知能力rentirety强弱；针对于体系整体的脆性、弹性、可靠性认知能力rentirety的评估函数如下：

rentirety＝f(acv,acres,acrel,cv,cres,crel)(3)

该函数中的cv为体系的整体脆性与实际脆性相对误差；cres为体系的整体弹性与实际弹性相对误差；crel为体系的整体可靠性与实际可靠性相对误差；acv,acres,acrel为参数，可以根据不同的体系基础认知能力评估需求进行更改。

其中，步骤d中所述的“综合评估体系中单体的脆性、弹性、可靠性认知能力rsingle、体系中局部的脆性、弹性、可靠性认知能力rpart、体系整体的脆性、弹性、可靠性认知能力rentirety得出体系基础认知能力的最终评估结果ν”，其作法如下：它是通过函数：

ν＝f(αν1,αν2,αν3,rsingle,rpart,rentirety)(4)

来进行计算，其中αν1,αν2,αν3为参数，可以根据不同的体系基础认知能力评估的需求进行更改；

在得到最终的评价结果后，为了方便不同体系之间进行比较，可以通过归一化函数

进行归一化后，得到统一的归一化结果，进行多体系基础认知能力的比较。

(三)优点创新

本发明具有如下的创新点：

1、适应性强：本专利摒弃了现有体系认知能力的相关评估方法的设计思路，通过系统的对体系进行分析把握，提出了一种对于复杂体系基础认知能力评估仍然适用的评估方法。

2、可信度高：本专利不同于现有的常用评估方法从经验出发的做法，提出了一种基于大数据的体系基础认知能力评估方法，极有很强的客观性及可信度。

3、系统性强：本专利应用了系统科学的相关理论作为支撑，使得该方法具有极强的科学性及系统性。

4、可移植性好：本专利对于基于大数据的体系基础认知能力评估方法进行了详细的叙述，因此本专利有着较强的可操作性。

5、经验依赖度低：本专利提出的是一种基于大数据的评估方法，并没有从经验出发，而是选择尊重数据，形成了一种从数据中来到科学中去的分析框架，因此本专利具有较强的客观性，实现了对已有经验低依赖的目标。

综上，这种基于大数据的体系基础认知能力评估方法可以很好的进行体系基础认知能力评估，能够弥补现有评估方法的不足。

附图说明

图1是本发明所述方法框架流程图。

图2是体系中单体脆性、弹性、可靠性认知能力评估框架图。

图3是体系中局部脆性、弹性、可靠性认知能力评估框架图。

图4是体系整体脆性、弹性、可靠性认知能力评估框架图。

具体实施方式

为使本发明要解决的技术问题、技术方案更加清楚，下面将结合附图及具体实施案例进行详细描述。应当理解，此处所描述的实施实例仅用于说明和解释本发明，并不用于限定本发明。

本发明的目的在于解决体系基础认知能力评估的相关问题。现有的评估方法有复杂体系的适应性差、评估结果可信度低、评估方法系统性差、评估方法移植性差以及评估方法对现有经验依赖性强等方面的不足，本专利提出一种基于大数据的体系基础认知能力评估方法。通过这样的方法可以有效提升评评估方法的适应性、系统性、移植性，同时还可以降低对于经验的依赖程度及提高评估结果的可信度。下面结合附图说明及具体实施方式对本发明进一步说明。

本发明实施例以某体系的基础认知能力评估为例，阐述本发明方法。

为了实现上述目的，本发明的方法所采用的技术方案是：一种基于大数据的体系基础认知能力评估方法。

本发明所述的“一种基于大数据的体系基础认知能力评估方法”，该方法框架流程图如图1所示，其具体步骤如下：

步骤a：评估体系中单体的脆性、弹性、可靠性认知能力rsingle。

步骤b：评估体系中局部的脆性、弹性、可靠性认知能力rpart。

步骤c：评估体系整体的脆性、弹性、可靠性认知能力rentirety。

步骤d：综合评估体系中单体的脆性、弹性、可靠性认知能力rsingle、体系中局部的脆性、弹性、可靠性认知能力rpart、体系整体的脆性、弹性、可靠性认知能力rentirety得出体系基础认知能力评估的最终结果ν。

其中，步骤a中所述的“评估体系中单体的脆性、弹性、可靠性认知能力rsingle”，其作法如下：它是通过比较体系对于某一个单体的脆性、弹性、可靠性的预测与实际值得误差大小来评估的；误差越小，则体系中单体的脆性、弹性、可靠性认知能力rsingle越强；针对于体系中单体的脆性、弹性、可靠性认知能力rsingle的评估，包括如下步骤：

步骤a1：通过步进的方式改变外界环境的应力，利用体系中对于单体脆性、弹性、可靠性的预测模型预测体系中单体的脆性、弹性、可靠性，并将预测值与真实值进行对比，根据误差的大小进行预测模型的修正，重复如上过程n次；

步骤a2：测定第n+1次的体系中单体的脆性、弹性、可靠性指标，并与真实值进行对比，根据相对误差的大小评估体系中单体的脆性、弹性、可靠性认知能力rsingle强弱；针对于体系中单体的脆性、弹性、可靠性认知能力rsingle的评估函数如下：

rsingle＝f(aav,aares,aarel,av,ares,arel)

该函数中的av为体系的单体脆性与实际脆性相对误差；ares为体系的单体弹性与实际弹性相对误差；arel为体系的单体可靠性与实际可靠性相对误差；aav,aares,aarel为参数，可以根据不同的体系基础认知能力评估需求进行更改。

其中，步骤b中所述的“评估体系中局部的脆性、弹性、可靠性认知能力rpart”，其作法如下：它是通过比较体系对于某一个局部的脆性、弹性、可靠性的预测与实际值得误差大小来评估的；误差越小，则体系中局部的脆性、弹性、可靠性认知能力rpart越强；针对于体系中局部的脆性、弹性、可靠性认知能力rpart的评估，包括如下步骤：

步骤b1：通过步进的方式改变外界环境的应力，利用体系中对于局部脆性、弹性、可靠性的预测模型预测体系中局部的脆性、弹性、可靠性，并将预测值与真实值进行对比，根据误差的大小进行预测模型的修正，重复如上过程n次；

步骤b2：测定第n+1次的体系中局部的脆性、弹性、可靠性指标，并与真实值进行对比，根据相对误差的大小评估体系中局部的脆性、弹性、可靠性认知能力rpart强弱；针对于体系中体系中局部的脆性、弹性、可靠性认知能力rpart的评估函数如下：

rpart＝f(abv,abres,abrel,bv,bres,brel)

该函数中的bv为体系的局部脆性与实际脆性相对误差；bres为体系的局部弹性与实际弹性相对误差；brel为体系的局部可靠性与实际可靠性相对误差；abv,abres,abrel为参数，可以根据不同的体系基础认知能力评估需求进行更改。

其中，步骤c中所述的“评估体系整体的脆性、弹性、可靠性认知能力rentirety”，其作法如下：它是通过比较体系对于整体的脆性、弹性、可靠性的预测与实际值得误差大小来评估的；误差越小，则体系整体的脆性、弹性、可靠性认知能力rentirety越强；针对于体系整体的脆性、弹性、可靠性认知能力rentirety的评估，包括如下步骤：

步骤c1：通过步进的方式改变外界环境的应力，利用体系中对于整体脆性、弹性、可靠性的预测模型预测体系整体的脆性、弹性、可靠性，并将预测值与真实值进行对比，根据误差的大小进行预测模型的修正，重复如上过程n次；

步骤c2：测定第n+1次的体系整体的脆性、弹性、可靠性指标，并与真实值进行对比，根据相对误差的大小评估体系整体的脆性、弹性、可靠性认知能力rentirety强弱；针对于体系整体的脆性、弹性、可靠性认知能力rentirety的评估函数如下：

rentirety＝f(acv,acres,acrel,cv,cres,crel)

该函数中的cv为体系的整体脆性与实际脆性相对误差；cres为体系的整体弹性与实际弹性相对误差；crel为体系的整体可靠性与实际可靠性相对误差；acv,acres,acrel为参数，可以根据不同的体系基础认知能力评估需求进行更改。

其中，步骤d中所述的“综合评估体系中单体的脆性、弹性、可靠性认知能力rsingle、体系中局部的脆性、弹性、可靠性认知能力rpart、体系整体的脆性、弹性、可靠性认知能力rentirety得出体系基础认知能力的最终评估结果ν”，其作法如下：它是通过函数：

ν＝f(αν1,αν2,αν3,rsingle,rpart,rentirety)

来进行计算，其中αν1,αν2,αν3为参数，可以根据不同的体系基础认知能力评估的需求进行更改；

在得到最终的评价结果后，为了方便不同体系之间进行比较，可以通过归一化函数

进行归一化后，得到统一的归一化结果，进行多体系基础认知能力的比较，为之后系统基础认知能力的升级及系统的优化提供参考。