陳 沖，徐清宇，程 欣，李克奇，甄 磊

（北方自動(dòng)控制技術(shù)研究所，太原 030006）

0 引言

現(xiàn)今的模擬仿真訓(xùn)練系統(tǒng)中，對(duì)于溫度、風(fēng)力、云、霧、沙塵、降雨量等氣象環(huán)境的仿真主要是以復(fù)現(xiàn)歷史戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)來(lái)實(shí)現(xiàn)的。主要是通過(guò)對(duì)歷史戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)的挖掘進(jìn)行復(fù)現(xiàn)，主要方法包括基于K 均值聚類(lèi)算法的氣象數(shù)據(jù)挖掘、基于蟻群算法的戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)挖掘，和基于氣象預(yù)測(cè)相關(guān)數(shù)據(jù)挖掘模型的戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)挖掘。其中最常用的是氣象預(yù)測(cè)相關(guān)數(shù)據(jù)挖掘模型的戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)挖掘方法。

在模擬仿真訓(xùn)練過(guò)程中，單一的對(duì)歷史戰(zhàn)場(chǎng)氣象環(huán)境的再現(xiàn)，已經(jīng)遠(yuǎn)遠(yuǎn)不能滿(mǎn)足對(duì)于多變戰(zhàn)場(chǎng)環(huán)境的仿真需求。針對(duì)陸軍模擬仿真訓(xùn)練系統(tǒng)其在訓(xùn)練過(guò)程中對(duì)虛擬戰(zhàn)場(chǎng)氣象環(huán)境的干預(yù)，需要在合理可控的預(yù)測(cè)區(qū)間內(nèi)對(duì)調(diào)理作出響應(yīng)。本文所提出的基于戰(zhàn)場(chǎng)氣象環(huán)境歷史數(shù)據(jù)的模糊預(yù)測(cè)算法，是在擬合區(qū)間內(nèi)對(duì)氣象數(shù)據(jù)的模糊預(yù)測(cè)擬合，滿(mǎn)足陸戰(zhàn)場(chǎng)仿真系統(tǒng)中對(duì)多變戰(zhàn)場(chǎng)氣象環(huán)境的要求。

1 戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)處理方法

1.1 氣象預(yù)報(bào)專(zhuān)家系統(tǒng)

對(duì)于氣象環(huán)境預(yù)報(bào)來(lái)說(shuō)，用到最多的是被廣為熟知的氣象預(yù)報(bào)專(zhuān)家系統(tǒng)。該系統(tǒng)是以氣象環(huán)境學(xué)知識(shí)為基礎(chǔ)，并以推理機(jī)系統(tǒng)產(chǎn)生的邏輯推斷為依據(jù)來(lái)預(yù)報(bào)氣象環(huán)境。通常包括知識(shí)獲取、知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)、輸出解釋和資料處理與預(yù)報(bào)參數(shù)采集等6 部分分系統(tǒng)。知識(shí)獲取分系統(tǒng)是利用壓縮后的預(yù)報(bào)因子和因子群，將從氣象環(huán)境預(yù)報(bào)員和氣象領(lǐng)域?qū)＜业玫降闹R(shí)轉(zhuǎn)變?yōu)橄到y(tǒng)可識(shí)別的形式，并將其寄存于知識(shí)庫(kù)分系統(tǒng)中。推理機(jī)分系統(tǒng)是利用氣象學(xué)知識(shí)產(chǎn)生的規(guī)則，對(duì)氣象環(huán)境數(shù)據(jù)進(jìn)行邏輯判斷。知識(shí)庫(kù)分系統(tǒng)是氣象預(yù)報(bào)專(zhuān)家系統(tǒng)的核心部分，知識(shí)的獲取、解析、推理和預(yù)報(bào)都建立在知識(shí)庫(kù)分系統(tǒng)的基礎(chǔ)上。數(shù)據(jù)庫(kù)分系統(tǒng)是用來(lái)存儲(chǔ)氣象信息數(shù)據(jù)的，主要包括歷史氣象數(shù)據(jù)資料和實(shí)時(shí)氣象數(shù)據(jù)資料兩部分內(nèi)容。輸出解釋分系統(tǒng)是通過(guò)人機(jī)互操作的形式將系統(tǒng)的各種信息提供給用戶(hù)，使系統(tǒng)具備一定的可理解性。資料處理與預(yù)報(bào)參數(shù)分系統(tǒng)又可以稱(chēng)之為學(xué)習(xí)系統(tǒng)，通過(guò)與外界環(huán)境進(jìn)行交互不斷完善自身的性能。

隨著數(shù)據(jù)處理技術(shù)的不斷發(fā)展，對(duì)氣象環(huán)境數(shù)據(jù)處理能力在不斷提高，獲取到的氣象環(huán)境數(shù)據(jù)量也在不斷增加，氣象環(huán)境數(shù)據(jù)的殘缺、冗余和混亂現(xiàn)象越來(lái)越明顯。通過(guò)專(zhuān)家和人工獲取的知識(shí)已經(jīng)不能滿(mǎn)足對(duì)復(fù)雜數(shù)據(jù)總體特性準(zhǔn)確描述的需求，因數(shù)據(jù)量爆炸式增長(zhǎng)而出現(xiàn)的知識(shí)匱乏現(xiàn)象也日漸顯露。在氣象環(huán)境數(shù)據(jù)量龐大的今天，知識(shí)獲取逐漸成為制約氣象預(yù)報(bào)專(zhuān)家系統(tǒng)發(fā)展的核心問(wèn)題。

1.2 氣象數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是利用多種分析工具在海量數(shù)據(jù)中尋求構(gòu)建模型和數(shù)據(jù)之間關(guān)系的過(guò)程，并利用這些數(shù)據(jù)和模型間關(guān)系對(duì)數(shù)據(jù)更進(jìn)一步預(yù)測(cè)。數(shù)據(jù)挖掘在氣象預(yù)報(bào)中首先要做的是對(duì)氣象數(shù)據(jù)的描述，并對(duì)統(tǒng)計(jì)變量進(jìn)行計(jì)算。隨著數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘技術(shù)的發(fā)展，數(shù)據(jù)挖掘在氣象預(yù)報(bào)中的應(yīng)用越來(lái)越多。從最早在氣象環(huán)境數(shù)據(jù)處理中用到的統(tǒng)計(jì)學(xué)回歸和聚類(lèi)分析方法，到現(xiàn)今所用到的數(shù)據(jù)挖掘技術(shù)、氣象環(huán)境數(shù)據(jù)處理技術(shù)也在不斷變革。

由于氣象數(shù)據(jù)和電力負(fù)荷數(shù)據(jù)之間存在著極大的不確定性關(guān)系，在計(jì)算機(jī)系統(tǒng)中的電力負(fù)荷預(yù)測(cè)上，開(kāi)始出現(xiàn)了大量的研究和試驗(yàn)。大量研究表明，氣象變化是導(dǎo)致計(jì)算機(jī)系統(tǒng)電力負(fù)荷變化的因素之一。

雖然上面所提到的兩種方法對(duì)于戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)都能起到預(yù)測(cè)作用，但是針對(duì)陸軍模擬仿真訓(xùn)練系統(tǒng)，所要實(shí)現(xiàn)的不僅僅是對(duì)戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)的準(zhǔn)確預(yù)測(cè)，還有在仿真過(guò)程中在不影響整體系統(tǒng)環(huán)境數(shù)據(jù)的基礎(chǔ)上，對(duì)虛擬戰(zhàn)場(chǎng)氣象環(huán)境在合理范圍內(nèi)的干預(yù)和調(diào)理。針對(duì)以上問(wèn)題，本文提出了一種基于歷史戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)的模糊預(yù)測(cè)算法設(shè)計(jì)。

2 戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)預(yù)處理技術(shù)

對(duì)戰(zhàn)場(chǎng)氣象環(huán)境進(jìn)行精準(zhǔn)的預(yù)測(cè)，是在對(duì)戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)進(jìn)行準(zhǔn)確分析后的基礎(chǔ)上完成的。原始?xì)庀蟓h(huán)境數(shù)據(jù)中所存在的數(shù)據(jù)冗余、雜亂和不完整等問(wèn)題，會(huì)直接影響到數(shù)據(jù)挖掘和模糊預(yù)測(cè)的效果，所以在對(duì)氣象數(shù)據(jù)進(jìn)行挖掘和模糊預(yù)測(cè)前，要根據(jù)氣象數(shù)據(jù)特性，利用現(xiàn)有的數(shù)據(jù)清理、集成、變換和規(guī)約等預(yù)處理技術(shù)，可以提升戰(zhàn)場(chǎng)氣象環(huán)境數(shù)據(jù)的質(zhì)量，提高挖掘和預(yù)測(cè)的效率。

數(shù)據(jù)清理主要是用來(lái)填補(bǔ)遺漏數(shù)據(jù)、消除異常數(shù)據(jù)和平滑噪聲數(shù)據(jù)，能有效糾正錯(cuò)誤數(shù)據(jù)。

數(shù)據(jù)集成是指將不同數(shù)據(jù)源的數(shù)據(jù)整合到一起，形成一個(gè)統(tǒng)一的數(shù)據(jù)集合，為數(shù)據(jù)挖掘和模糊預(yù)測(cè)提供完整的數(shù)據(jù)基礎(chǔ)。以給出的兩個(gè)屬性A 和B 數(shù)據(jù)集合為例，其中n 是集合A、B 的元素個(gè)數(shù)，A與B 是集合A、B 的均值，σA與σB是集合A、B 的標(biāo)準(zhǔn)差。根據(jù)集合A、B 的數(shù)值屬性，使用下式分析集合A、B 數(shù)值屬性間的互相關(guān)關(guān)系：

數(shù)據(jù)變化是指采用規(guī)范化和屬性構(gòu)造等方法，將原始?xì)庀蟓h(huán)境數(shù)據(jù)轉(zhuǎn)變?yōu)檫m合挖掘和預(yù)測(cè)的形式。常用的規(guī)范化方法有最小-最大規(guī)范化、零均值規(guī)范化和十基數(shù)變換規(guī)范化。

1）最小-最大規(guī)范化法：假設(shè)minA和maxA為A 屬性的最小值與最大值。最小-最大規(guī)范化是對(duì)A 的值線(xiàn)性變換，將其映射到區(qū)間［newminA，newmaxA］中，其映射公式如下：

2）零均值規(guī)范化法：將集合A 的數(shù)值屬性值v基于A 的平均值和標(biāo)準(zhǔn)差進(jìn)行處理，其中A、σA為集合A 的均值和標(biāo)準(zhǔn)差，利用下式規(guī)范為v'：

3）十基數(shù)變換規(guī)范化法：通過(guò)移動(dòng)集合A 的小數(shù)點(diǎn)位置，將集合A 的屬性值v 規(guī)范化為v'，其中j 是使得max（|v'|）<1 的最小整數(shù)。而小數(shù)點(diǎn)的移動(dòng)位數(shù)取決于A 的最大絕對(duì)值。

數(shù)據(jù)歸約技術(shù)是對(duì)氣象環(huán)境原始數(shù)據(jù)集進(jìn)行屬性選擇和部分采樣等處理，得到原數(shù)據(jù)集的精簡(jiǎn)集合。該精簡(jiǎn)數(shù)據(jù)集不僅減小了原始數(shù)據(jù)集的數(shù)據(jù)量，還保持了原數(shù)據(jù)集的完整性。

對(duì)于模糊預(yù)測(cè)在歷史氣象數(shù)據(jù)挖掘應(yīng)用來(lái)說(shuō)，主流的是在K 均值聚類(lèi)算法的基礎(chǔ)上，引入隸屬關(guān)系形成的模糊K 均值聚類(lèi)的氣象數(shù)據(jù)挖掘算法，其在一定程度上增加了數(shù)據(jù)挖掘的準(zhǔn)確率。以主從隸屬的依附關(guān)系，根據(jù)隸屬度關(guān)系進(jìn)行分類(lèi)模糊，提高某幾類(lèi)數(shù)據(jù)挖掘的準(zhǔn)確率。但在氣象數(shù)據(jù)模糊預(yù)測(cè)中，所要求的是對(duì)于整個(gè)時(shí)間段內(nèi)氣象數(shù)據(jù)的挖掘預(yù)測(cè)，不存在隸屬關(guān)系，就需要來(lái)尋求其他的關(guān)于氣象數(shù)據(jù)挖掘的模糊預(yù)測(cè)。

3 模糊預(yù)測(cè)數(shù)據(jù)生成算法設(shè)計(jì)

本文所提出的基于模擬訓(xùn)練歷史數(shù)據(jù)的氣象環(huán)境數(shù)據(jù)模糊預(yù)測(cè)算法，其通過(guò)時(shí)間序列分析氣象環(huán)境數(shù)據(jù)之間的關(guān)聯(lián)性，通過(guò)模擬訓(xùn)練的歷史氣象環(huán)境數(shù)據(jù)挖掘時(shí)間序列變化的規(guī)律，來(lái)對(duì)未來(lái)氣象環(huán)境數(shù)據(jù)進(jìn)行模糊預(yù)測(cè)。模型計(jì)算的模糊帶包絡(luò)覆蓋了實(shí)際值變化的曲線(xiàn)，能夠在模擬仿真訓(xùn)練過(guò)程中滿(mǎn)足用戶(hù)在真實(shí)可能性的基礎(chǔ)上，實(shí)現(xiàn)對(duì)虛擬戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)定制。模糊時(shí)間序列曲線(xiàn)擬合預(yù)測(cè)過(guò)程主要包括以下內(nèi)容。

3.1 原始數(shù)據(jù)模糊化

以某一虛擬戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)來(lái)說(shuō)，假設(shè)該戰(zhàn)場(chǎng)環(huán)境某月的歷史平均數(shù)據(jù)為一組實(shí)數(shù)x1，x2，…xT，利用它們構(gòu)造一組模糊數(shù)，設(shè)當(dāng)t=1 和T 時(shí)，

3.2 計(jì)算模糊時(shí)間序列的階數(shù)

在給出的歷史年份T 內(nèi)取不同的正整數(shù)k 值，計(jì)算趨勢(shì)方程：

3.3 計(jì)算趨勢(shì)方程模糊系數(shù)pi 和邊界線(xiàn)

設(shè)pi為三角模糊函數(shù)，則它的估計(jì)值p^i可以設(shè)為：

得到pi的估計(jì)值p^i，則得到趨勢(shì)方程為：

此時(shí)可代入未來(lái)時(shí)間，SVt*（）也是一個(gè)三角模糊數(shù)，當(dāng)時(shí)間變動(dòng)時(shí)SVt*（t）不是一條曲線(xiàn)，而是一個(gè)曲線(xiàn)帶，曲線(xiàn)帶的上下兩條邊界曲線(xiàn)分別為f1（t）=β（t）+S（t）和f2（t）=β（t）-S（t），中心線(xiàn)為f0（t）=β（t），

3.4 Box-Muller 算法得正態(tài)分布的隨機(jī)數(shù)

Box-Muller 算法核心是先產(chǎn)生一組服從均勻分布的隨機(jī)數(shù)，再將該組均勻分布的隨機(jī)數(shù)通過(guò)變化轉(zhuǎn)換為正態(tài)分布的隨機(jī)數(shù)。

在（0，1］值域內(nèi)生成u1和u2，且u1、u2為相互獨(dú)立的兩個(gè)隨機(jī)數(shù)：

u1=rand（）*1.0/RAND_MAX;

u2=rand（）*1.0/RAND_MAX;

其中，RAND_MAX 為定義的字符常量，rand（）為產(chǎn)生在0-RAND_MAX 區(qū)間值的函數(shù)，由此算出一個(gè)正態(tài)分布的隨機(jī)數(shù)字Z：

Z=R*cos（a）；

其中，R=sqrt（-2*log（u2））；a=2*π*u1；

得到一個(gè)均值為0，標(biāo)準(zhǔn)差為1 統(tǒng)計(jì)量，映射到一個(gè)均值為β（t），標(biāo)準(zhǔn)偏差為S（t）的統(tǒng)計(jì)量X：

X =β（t）+ Z * S（t），即為默認(rèn)的預(yù)測(cè)值函數(shù)。

4 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證算法的可行性和有效性，本文采取戰(zhàn)場(chǎng)環(huán)境中的天氣溫度數(shù)據(jù)來(lái)進(jìn)行算法的可行性實(shí)現(xiàn)，并與歷史數(shù)據(jù)挖掘到的溫度數(shù)據(jù)進(jìn)行比較，驗(yàn)證該算法的有效性。利用MATLAB 工具以虛擬仿真訓(xùn)練戰(zhàn)場(chǎng)氣象環(huán)境中的氣溫為例，來(lái)繪制戰(zhàn)場(chǎng)環(huán)境的歷史氣溫挖掘數(shù)據(jù)和本文設(shè)計(jì)算法得到的預(yù)測(cè)溫度數(shù)據(jù)。

本文以中部戰(zhàn)區(qū)某戰(zhàn)場(chǎng)2020 年7 月份的日平均溫度作為樣本數(shù)據(jù)來(lái)進(jìn)行預(yù)測(cè)，以1999-2019 年前20 年的該戰(zhàn)場(chǎng)7 月份日平均氣溫?cái)?shù)據(jù)進(jìn)行挖掘獲得7 月份日平均溫度的歷史數(shù)據(jù)，氣溫?cái)?shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)。由于數(shù)據(jù)繁多復(fù)雜，這里直接給出原始數(shù)據(jù)經(jīng)過(guò)預(yù)處理后的2020 年7 月份和前20 年中部某戰(zhàn)場(chǎng)的日平均氣溫?cái)?shù)據(jù)，如表1 和表2所示。

表1 2020 年中部某戰(zhàn)場(chǎng)7 月日平均溫度

對(duì)于所要預(yù)測(cè)擬合的2020 年7 月份太原市的日平均氣溫本文以前20 年的溫度為樣本，利用本文算法給出預(yù)測(cè)擬合區(qū)間，并在該區(qū)間內(nèi)進(jìn)行預(yù)測(cè)擬合，同時(shí)與常用的歷史數(shù)據(jù)挖掘得到的數(shù)據(jù)進(jìn)行比較，分析該算法的有效性，所得到的結(jié)果如圖1～圖4 所示。

表2 前20 年7 月份中部某戰(zhàn)場(chǎng)日平均溫度

圖1 2020 年7 月份日平均氣溫

圖3 歷史氣溫?cái)?shù)據(jù)挖掘曲線(xiàn)

從上圖中可以看出本文所提出的利用歷史數(shù)據(jù)來(lái)進(jìn)行戰(zhàn)場(chǎng)環(huán)境的模糊預(yù)測(cè)模擬，相比歷史數(shù)據(jù)挖掘所得到的環(huán)境數(shù)據(jù)更加貼合實(shí)際戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)，且其在擬合區(qū)間內(nèi)進(jìn)行戰(zhàn)場(chǎng)環(huán)境的數(shù)據(jù)預(yù)測(cè)擬合思想，更加符合在模擬仿真訓(xùn)練過(guò)程中對(duì)虛擬戰(zhàn)場(chǎng)環(huán)境的實(shí)時(shí)戰(zhàn)場(chǎng)干預(yù)和調(diào)理。

圖4 擬合區(qū)間內(nèi)算法預(yù)測(cè)擬合的曲線(xiàn)

5 結(jié)論

虛擬戰(zhàn)場(chǎng)環(huán)境仿真數(shù)據(jù)通過(guò)模糊時(shí)間序列算法預(yù)測(cè)得出的是一個(gè)可能性區(qū)間，在該合理區(qū)間內(nèi)可以進(jìn)行預(yù)測(cè)擬合曲線(xiàn)的自定義。預(yù)測(cè)方程系數(shù)不是確定的數(shù)，而是一組模糊數(shù)；預(yù)測(cè)的是一個(gè)區(qū)間，而不是一個(gè)確定值，在該區(qū)間內(nèi)可以對(duì)陸軍模擬仿真訓(xùn)練過(guò)程中的虛擬戰(zhàn)場(chǎng)氣象環(huán)境進(jìn)行合理的干預(yù)調(diào)理。