中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2017 , Vol. 39 >Issue 1: 57 - 61

DOI: https://doi.org/10.3969/j.issn.1673-3819.2017.01.013

理论研究

基于广义网络分析和云模型的潜艇威胁风险评估*

  • 宋晨阳 1 ,
  • 张韧 1, 2 ,
  • 刘科峰 1 ,
  • 陈符森 3 ,
  • 鲍森亮 1 ,
  • 徐淦 4
展开
  • 1.解放军理工大学气象海洋学院, 江苏 南京 211101
  • 2.南京信息工程大学气象灾害预报预警与评估协同创新中心, 江苏 南京 210044
  • 3.解放军91431部队, 广东 湛江 574000
  • 4.东海舰队气象水文中心, 浙江 宁波 315000

作者简介: 宋晨阳(1993-),男,河北承德人,硕士研究生,研究方向为气候变化影响评估。

张 韧(1963-),男,博士,教授,博士生导师。

刘科峰(1978-),男,博士,讲师。

陈浮森(1991-),男,硕士研究生。

鲍森亮(1992-),男,硕士研究生。

徐 淦(1991-),女,助理工程师。

收稿日期: 2016-06-15

  修回日期: 2016-08-29

  网络出版日期: 2022-05-20

基金资助

*国家自然科学基金(41276088)

收起

Influence and Risk Assessment of Submarine Based on Generalized Analytic Network Process and the Cloud Model

  • SONG Chen-yang 1 ,
  • ZHANG Ren 1, 2 ,
  • LIU Ke-feng 1 ,
  • CHEN Fu-sen 3 ,
  • BAO Sen-liang 1 ,
  • XU Gan 4
Expand
  • 1. College of Meteorology and Oceanography, PLA University of Science and Technology., Nanjing 211101
  • 2. Collaborative Innovation Center on Forest and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044
  • 3. the Unit 91431 of PLA, Zhanjiang 574000
  • 4. Oceanography and Meteorology Center of East China Sea Fleet, Ningbo 315000, China

Received date: 2016-06-15

  Revised date: 2016-08-29

  Online published: 2022-05-20

Fold

摘要

针对全球气候变化背景下岛礁主权争端变化的复杂性和不确定性,研究探讨了海上可能面临的敌潜艇威胁。针对风险评估建模时难以有效评判社会因素、自然因素的困难,提出了广义网络分析法和云模型结合的研究思想,构建了气候变化背景下潜艇威胁风险评估模型,实现了潜艇威胁的量化评估,旨在为反潜体系建设规划提供决策依据。

关键词： 广义网络分析; 云模型; 气候变化; 潜艇; 风险评估

本文引用格式

宋晨阳 , 张韧 , 刘科峰 , 陈符森 , 鲍森亮 , 徐淦 . 基于广义网络分析和云模型的潜艇威胁风险评估*[J]. 指挥控制与仿真, 2017 , 39(1) : 57 -61 . DOI: 10.3969/j.issn.1673-3819.2017.01.013

Abstract

Based on complexity and uncertainty of natural environmental changes Islands Sovereignty Dispute in the background of global climate change, we explore the risks of submarine. Confronting with sophisticated social and natural factors for effective evaluation, this paper puts forward a new method which combines Generalized Analytic Network Process and The Cloud Model, and design a climate change risk assessment model in order to provide submarine in face of climate change. Moreover, the methods and approaches of analysis will provide technical references for the planning and construction of anti-submarine system.

Key words： Generalized Analytic Network Process; The Cloud Model; climate change; submarine; risk assessment

据政府间气候变化委员会第五次评估报告,全球气候系统变暖是毋庸置疑的[1]。变暖体现在地球表面气温的上升、海平面升高等多方面[2-3],极端天气气候事件也可能会更加频繁[4],甚至改变岛礁的自然状态,进而对主权维护或争端属性产生较大影响。此外我国领海面积宽广,地理条件各不相同,因而我国现有军事力量很难满足广阔海域的反潜任务,必须有针对性地对[5]各海域的气候变化背景下潜艇威胁程度进行合理区划。
目前,对潜艇威胁的研究大多集中在理论探讨,缺乏定量化的探讨,且基本没有考虑到气候变化的影响。我国是海洋大国,周边海域面临着严峻的威胁和挑战。针对可能面临的潜艇威胁和气候变化风险,本文引入风险分析理论方法,研究探索气候系统演变对潜艇威胁的方法,并引入广义网络分析方法构建评价指标体系,为解决评估风险中的模糊性问题,利用云模型进行模拟评估。针对气候我国海军应对气候变化问题,以及反潜体系建设发展提供客观、定量化的决策咨询。

1 风险评价体系

首先对潜艇威胁影响的气候因子进行合理筛选,并建立气候变化背景下的潜艇威胁风险概念模型,并引入广义网络分析方法构建指标体系,将其划分若干子海域,并选取其中6个作为评估对象进行分析验证。
根据气候变化背景下潜艇威胁风险成因、自然因素与管理背景以及主要风险要素的分析,将潜艇威胁风险因素大致分为3方面:潜艇危险性、气象水文功能脆弱性及风险防范能力。
潜艇危险性主要包括:潜艇作战能力和对潜保障能力,具体分为潜艇数量、潜艇性能、情报信息保障能力、对潜支援保障能力和对潜通信保障能力等。
水文气象功能脆弱性主要反映海域的水文要素、气象条件和地理特征等。潜艇的威胁程度与其所受大气、海洋环境影响要素、地理特征等密切相关。跃层对潜艇活动的影响包括对水声传播的反射、折射、衰减和对潜艇航行安全的影响。海流对潜艇的航行产生推动或阻碍作用。海洋环境中影响潜艇悬停的因素有:海流、内波和跃层。
风险防范能力一般针对应急响应能力、防御能力等几个方面进行评价,主要包括离岸距离、监控预警能力、对潜防御能力和海空防御能力等。
综上分析,建立潜艇威胁风险评价体系,如表1所示。
表1 潜艇威胁风险评价体系结构
一级指标A 二级指标B 三级指标C 指标属性
潜艇危险性A1 潜艇作战能力B1 潜艇数量C1 指标评级越大,风险越高
潜艇性能C2 指标评级越大,风险越高
对潜保障能力B2 情报信息保障能力C3 指标评级越大,风险越高
对潜支援保障能力C4 指标评级越大,风险越高
对潜通信保障能力C5 指标评级越大,风险越高
水文气象功能脆弱性A2 水文要素B3 温、密跃层C6 指标评级越大,风险越高
海水透明度C7 指标评级越大,风险越高
海浪C8 指标评级越大,风险越高
海流C9 指标评级越大,风险越高
气象条件B4 海风C10 指标评级越大,风险越高
能见度C11 指标评级越大,风险越高
地理特征B5 海水深度C12 指标评级越大,风险越高
地貌C13 指标评级越大,风险越高
风险防范能力A3 应急响应能力B6 离岸距离C14 指标评级越大,风险越低
监控预警能力C15 指标评级越大,风险越低
防御能力B7 对潜防御能力C16 指标评级越大,风险越低
海空防御能力C17 指标评级越大,风险越低

2 风险因素权重的客观确定

通常在风险分析建模中,层次分析法(Analytic Hierarchy Process,AHP)是通过专家根据经验对各层次因素之间相互比较建立矩阵,该权重确定方法无法克服评估中专家可能存在的主观性问题,且不能处理层次中元素之间有相互影响和依赖的情况。为了弥补这个不足,Saaty考虑了AHP中元素之间的依赖和反馈,提出了网络分析法(Analytic Network Process,ANP)。在ANP的网络中,元素簇之间可以互相影响或形成循环。所以网络形成了发散的结构,网络中的元素也没有规定的排序。ANP的优势在于可以考虑元素之间的相互关系,这使得它更符合实际情况。Mikhailov和Singht对ANP做了拓展,提出了模糊网络分析法(F-ANP),使得ANP的输入数据可以是精确偏好,区间偏好和模糊偏好。朱斌等基于传统的网络分析方法,引入复杂偏好的概念,用基于特征向量法的随机偏好法作为复杂偏好的排序方法,并将其运用到网络分析法中,提出了广义网络分析法(G-AHP)[7]。它能够处理所有已知类型的偏好信息,且能够考虑不同偏好信息的一致性。G-AHP适用于决策过程中各因素相互影响的情况,可处理专家提供的多种类型的决策信息,提高各决策者的满意程度。
根据气候变化背景下潜艇威胁的评价体系,通过多种类型的复杂偏好关系,应用蒙特卡洛模拟方法,确定各相关指标的权重。

2.1 构造复杂偏好关系

通过构建的评价体系,对各层次进行合理分解,每层次由不同指标组成。将潜艇威胁风险分为潜艇危险性A1、水文气象功能脆弱性A2和风险防范能力A3,各层次结构如表1所示。
将模糊偏好、区间偏好、犹豫偏好和随机偏好作为复杂偏好的特例,可以定义复杂偏好为cp。它是一个可以用概率分布描述的数,可称为复杂偏好数。例如,假设一个复杂偏好数为c=[1,5]p,其中概率分布函数F(ζij)=pk(ζk∈c)可以用概率分布表表示,如表2所示。
表2 F(ζij)=pk概率分布
ζ 1 2 3 4 5
p/% 65 28 3 2 2
基于复杂偏好数,复杂偏好关系(CPR)的定义如下:
令X={x1,x2,...,xn}为一个给定的元素集合,那么在X上的CPR可以表示为一个矩阵C=( c i j p)n×n∈X×X,其中 c i j p是一个复杂偏好数,表示元素xi对xj的偏好度。
一般地,假设CPR满足互反性质。例如,如果CPR中的复杂偏好数为cij=[2,4],那么cji= 1 / 4,1 / 2;如果c'ij={3,5},那么c'ji= 1 / 3,1 / 5。
本文根据潜艇威胁风险评价体系,利用专家对各层次进行评价,给出复杂偏好信息,并依据评估结果,构造复杂偏好关系。

2.2 对复杂偏好关系进行一致性检验

特征向量法(EVM)中用于描述MPR一致性的一致性指标为CR=CI/RI。对于一个MPR A=(aij)n×n,如果它满足:
aij= ω i ω j,i,j=1,2,...,n
其中,ω=(ω1,ω2,...,ωn)是A的排序向量,满足 ∑ i = 1 nωi=1,ωi>0,i=1,2,...,n,那么A是一致的,即它的一致性为CRA=0。
对于一个CPR C=( c i j p)n×n,假设随机变量满足ζij∈ c i j p,且ζij的概率分布函数为F(ζij),i.j=1,2...n,那么基于F(ζij),可得一个随机积型偏好关系(SMP)Z=(ζij)n×n。根据EVM,可得C的一致性指标,表示为CRZ(ζ)。在C的偏好空间C(ζ)中,C的期望一致性指标可以定义为
E(CRC)=∫C(ζ)CRZ(ζ)dζ
与CR的一致性临界值保持一致,如果E(CRC)<0.1,那么C满足可接受一致性;否则,它的一致性不可接受。期望一致性指标由蒙特卡洛模拟得到,设置模拟精度为0.01,模拟次数为10000。

2.3 一致性的改进

在蒙特卡洛模拟计算期望一致性指标的过程中,每一次迭代都可以得到一个MPRA=(aij)n×n和一个一致性指标CRA。如果CRA>0.1,那么需要改进C的一致性直到可接受。对于A的一致性改进方法,目前有许多可供选择的方法,本文使用Xu[8]和Wei提出的一种迭代方法,这种方法基于传统的EVM,且计算方便。具体算法如下: 令A(k)=( a i j ( k ))n×n,且k=0;计算A(k)的最大特征值λmax(A(k)),以及特征向量ω(k)=( ω 1 ( k ), ω 2 ( k ),..., ω n ( k )); 计算C R A ( k ), 如果C R A ( k )>0.1, 令A(k+1)=( a i j ( k + 1 ))n×n,其中 a i j ( k + 1 )=( a i j ( k ))1-λ( ω i ( k )/ ω j ( k ))λ,λ∈[0,1];令k=k+1,输出A(k),C R A ( k )。

2.4 计算权重

基于行几何平均法[9](RGMM),应用蒙特卡洛模拟方法,可得到同一层次各元素的权重。最后通过集成,可最终得到各因素的权重。在一级指标中,潜艇危险性所占权重最大,风险防范能力次之,水文气象功能脆弱性最小,评估结果比较符合实际情况,结果如表3所示。
表3 各指标权重
一级指标A 权重 二级指标B 权重 三级指标C 权重
潜艇危险性A1 0.5708 潜艇作战能力B1 0.5794 潜艇数量C1 0.5116
潜艇性能C2 0.4884
对潜保障能力B2 0.4206 情报信息保障能力C3 0.2921
对潜支援保障能力C4 0.3926
对潜通信保障能力C5 0.3153
气象水文功能脆弱性A2 0.1642 水文条件B3 0.5983 温、密跃层C6 0.4765
海水透明度C7 0.2879
海流C8 0.1546
海浪C9 0.081
气象条件B4 0.1397 海风C10 0.4824
能见度C11 0.5176
地理条件B5 0.262 海水深度C12 0.4954
地貌C13 0.5046
风险防范能力A3 0.265 应急响应能力B6 0.4903 离岸距离C14 0.3865
监控预警能力C15 0.6135
防御能力B7 0.5097 对潜防御能力C16 0.5667
海空防御能力C17 0.4333

3 风险评估建模与实验仿真

为有效建立定性知识与定量数值之间的不确定性转化,本文引入正态云模型[10-11]方法,通过建立气候变化背景下潜艇威胁风险评估模型,并根据实际可获取的数据和信息,对危险因子进行合理筛选,并以此构建潜艇风险评价指标体系(表1),并根据广义网络分析方法确定各指标权重(表3)。

3.1 风险评语集的云模型数字化表达

根据海域据大陆位置、敌方潜艇威胁类型等因素,可划分若干子海域。由于潜艇威胁相关指标属于军事机密,故本文模拟选取A-F 6个海域作为评估对象。依据实际获取的信息和资料,对各海域各指标进行评价,并基于表1风险指标体系,建立五级风险评语等级集合:V={极低,较低,中等,较高,极高},并由此对指标进行等级评价(表4)。
表4 A-F海域潜艇威胁风险指标评语
指标层 A海域 B海域 C海域 D海域 E海域 F海域
C1 极高 极高 中等 较低 较低 极低
C2 较高 极高 较高 中等 极低 较低
C3 中等 较高 中等 较低 中等 较低
C4 较高 极高 较高 中等 极低 中等
C5 中等 较高 极高 较低 较低 较低
C6 较高 极高 较高 较低 极低 中等
C7 极高 中等 中等 较高 较低 中等
C8 中等 较高 中等 较高 中等 较低
C9 极低 较低 极高 中等 极高 较高
C10 极高 极高 中等 较高 较低 中等
C11 中等 极高 较高 中等 极低 较低
C12 极高 较高 中等 极低 较低 较低
C13 中等 中等 极高 较高 中等 中等
C14 极低 较低 较高 中等 极高 较高
C15 较低 极低 中等 较低 中等 中等
C16 较低 中等 中等 较低 较高 中等
C17 极低 较低 较低 中等 极高 较高
在得到各海域评语表达后,设置数字特征期望Ex、熵En、超熵He对指标评价集V={极低,较低,中等,较高,极高}进行表达。由此我们可以设定评语集为VL={极低,较低,中等,较高,极高},对应的取值区间分别为(80,100)、(60,80)、(40,60)、(20,40)、(0,20)。其对应的云模型为:SCvL1(100,6.67,0.1)|x≤Ex,SCvL1(70,3.33,0.1),SCvL1(50,3.33,0.1),SCvL1(30,3.33,0.1),SCvL1(0,6.67,0.1)|x≥Ex。 对于双边约束评语,可用公式(1)表达;对于单边约束评语,用公式(2)半降半升云来表达,其中a为约束的下边界,b为上边界;k为常数,反映的是某几个因素的不均衡性。
E x = ( a + b ) / 2 E n = ( b - a ) / 6 H e = k
E x = a 或 b E n = ( b - a ) / 3 H e = k

3.2 综合风险特征的虚拟云计算

基于指标的特征,二级指标、三级指标的综合选用浮动云算法,一级指标的综合选用综合云算法[12-13],其公式分别如下:
E x = E x 1 W 1 + E x 2 W 2 + ... E x n W n W 1 + W 2 + ... W n E n = W 1 2 W 1 2 + W 2 2 + ... W n 2 · E n 1 + ... W n 2 W 1 2 + W 2 2 + ... W n 2 · E n n H e = W 1 2 W 1 2 + W 2 2 + ... W n 2 · H e 1 + ... W n 2 W 1 2 + W 2 2 + ... W n 2 H e n
E x = E x 1 E n 1 W 1 + E x 2 E n 2 W 2 + ... E x n E n n W n E n 1 W 1 + E n 2 W 2 + ... E n n W n E n = E n 1 W 1 n + E n 2 W 2 n + ... E n n W n n H e = H e 1 E n 1 W 1 + H e 2 E n 2 W 2 + ... H e n E n n W n E n 1 W 1 + E n 2 W 2 + ... E n n W n
由此得到云模型的主要覆盖范围(Ex-3En,Ex+3En),根据评语集的云模型表达数字特征确定综合风险的风险级别[14]。根据表4中的指标评语,得到评语集的云模型数字特征,运用综合云模型对指标值进行综合,得到南海方向A-F海域潜艇威胁的综合风险云模型数字特征值:
A海域:SCA=([75.706,13.326,0.1]);
B海域:SCB=([85.446,16.499,0.1]);
C海域:SCC=([62.319,11.617,0.1]);
D海域:SCD=([48.621,10.114,0.1]);
E海域:SCE=([19.424,14.490,0.1]);
F海域:SCF=([32.694,11.429,0.1])。

3.3 生成综合风险云模型

利用广义网络分析和云模型方法得出云的数值特征后,应用正向正态云发生器根据输入的数字特征(Ex,En,He)及生成的云滴个数n,输出n个云滴及云滴的隶属度,如图1所示。
图1 正向正态云发生器
由此,可求出基于数字特征(Ex,En,He)的A-F海域潜艇威胁的综合风险正态云分布如图2所示,可直观比较各海域潜艇威胁风险大小。
图2 A-F海域潜艇威胁的风险评估云分布图

3.4 结果分析

图2分析结果表明,A、B海域云模型基本元素大部分落于较高和极高风险区域,B 海域风险稍高于A 海域,基本可认定A、B 海域潜艇威胁等级为较高等级。C、D 海域云模型基本元素大部分落于中等和较高风险区域,C 海域风险稍高于D 海域,基本可认定C 海域潜艇威胁等级为中等偏上,D 海域潜艇威胁等级为中等。E、F 海域云模型基本元素大部分落于较低和极低风险区域,F 海域风险稍高于E 海域,基本可认定E 海域潜艇威胁等级为较低等级,F 海域潜艇威胁等级为中等偏下。
根据上述南海方向潜艇威胁风险分布特征,可给出如下决策建议:
1)A、B 海域敌潜艇性能优越,数量众多,面临潜艇威胁最大,因此应保持较高区域控制程度,严密控制近岸海域航道出入口,确保敌潜艇难以进入该海域,同时依托岸基机动兵力构建多层次反潜体系,并大力发展水下警戒探测系统,建立健全潜艇威胁应急响应机制。
2)C、D 海域情况类似,可能遭遇争端国家潜艇袭击,但C 海域敌潜艇作战能力更胜一筹,因此应区别分配兵力。在不同海域航行时配以相应程度的护航反潜力量,提升海军舰船安全系数的同时达到兵力的合理使用。
3)虽然F 海域潜艇危险性略高于E 海域,但F 海域地理条件不利于潜艇活动,且应急部队距E 海域更近,作战反应时间更短,因此E 海域综合潜艇风险低于F 海域。由于部队缺少远海机动反潜作战力量,且难以在远海设置水下固定监控器材,因此为保障航行安全,应依托岛礁加强预警体系建设,增强远海机动反潜作战能力。同时,应建立岛礁后援保障基地,以进一步提升F 海域机动和持续反潜作战能力。

4 结束语

本文通过建立气候变化背景下潜艇风险概念模型,较为合理地处理了风险模型中自然因素、社会因素难以客观定量评价的问题,减少了随机性和模糊性的影响。针对气候变化预估数据和社会人文环境等风险因子难以获得精确的数值用于风险评价等问题,云模型方法可有效提取模式预估数据和定性描述中的有用信息,利用正向云生成器得到反映对象特征的数值。针对海域进行了潜艇威胁风险评估建模和实验分析,实现了潜艇威胁风险的量化评估。分析结果可为应对潜艇威胁和气候变化风险防范提供客观定量的决策参考,评估方法和建模过程也可为其他缺乏精确数据的风险研究提供思路。然而由于气候变化预测的不确定性及军事、政治等多方面的影响,本文构建的潜艇威胁风险指标还有待进一步完善。下一步工作重点是对指标进一步充实,对评估模型进行优化,探索更有效的量化评估方法,特别是考虑如何更加客观、合理的确定各指标的权重。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
IPCC. Climate change 2013:the physical science basis[EB/OL]. [2014-7-10]. http://www.ipcc.ch/report/ar5/wg1/#.Uq-tD7KBRR1.

[2]
Tol R S. Estimates of the change cost of climate change Part Ⅰ:Benchmark estimates[J]. Environmental and Resource Economics, 2002, 21(1):42-73.

[3]
IPCC. Summary for policymakes[EB/OL]. [2014-8-15]. http://www.ipcc.ch/pdf/assessment-report/ar5/wg1/WG1AR5-SPM-FINAL.pdf.

[4]
宋晨阳, 王锋, 张韧, 等. 气候变化背景下我国城市高温热浪的风险分析与评估[J]. 灾害学, 2016, 31(1):201-206.

[5]
蒿兴华, 陆勤夫, 杜博. 我国南海方向构建反潜体系面临的问题与对策[J]. 海军学术研究, 2013(7):48-50.

[6]
蒿兴华, 陆勤夫, 关锦生, 等. 基于GAHP-模糊综合评价的南海方向潜艇威胁评估[J]. 指挥控制与仿真, 2014, 36(5):72-76.

[7]
朱斌. 基于偏好关系决策方法及应用研究[D]. 南京: 东南大学, 2014.

[8]
Xu ZS, Wei CP. A consistency improving method in the analytic hierarchy process. European Journal of Operational Research[J]. 1999, 116(2):443-449.

[9]
Crawford G, Williams C. A note on the analysis of subjective judgment matrices. Journal of Mathematical Psychology[J]. 1985, 29(4):387-405.

[10]
李德毅, 杜鹢. 不确定性人工智能[M]. 北京: 国防工业出版社, 2005.

[11]
刘常昱, 李德毅, 潘莉莉. 基于云模型的不确定性知识表示[J]. 计算机工程与应用, 2004, 40(2):32-35.

[12]
宋晨阳, 张韧. 基于犹豫层次分析和云模型的我国沿海军港气候变化影响与风险评估[J]. 军事运筹与系统工程, 2016, 30(2):75-79.

[13]
李国锋. 空间数据挖掘技术研究[D]. 西安: 西安电子科技大学, 2005.

[14]
杨理智, 张韧. 基于云模型的我国海上能源通道安全风险评估[J]. 军事运筹与系统工程, 2014, 28(1):74-80.

Options
文章导航

/

〈 〉