[发明专利]一种基于数据匹配的仿真回放方法

摘要

本发明公开了一种基于数据匹配的仿真回放方法，针对基于高层体系结构HLA的分布式仿真系统进行仿真数据回放，该方法包括如下步骤对HLA的分布式仿真系统的数据库中的仿真方预案的原始数据进行整合，获得关于该仿真方预案的N元并行数据集，每条N元并行数据包含N个元素；在N元并行数据集中确定离群点并剔除；建立K×(2K+1)×M的三层神经网络结构，K为仿真时间与对象属性值的个数；M为关键事件个数加1；确定关键事件数量及其样本数据对神经网络进行网络训练；各条N元并行数据依次输入训练后的神经网络，获得输出结果，筛选出属于关键事件的N元并行数据，并按照仿真时间值进行排序，得出回放方案进行数据回放。

主权项

一种基于数据匹配的仿真回放方法，针对基于高层体系结构HLA的分布式仿真系统进行仿真数据回放，该方法的特征在于，包括如下步骤：步骤1：在所述HLA的分布式仿真系统仿真运行结束后，从系统的数据库中选择并调用仿真方预案，读取关于该仿真方预案的原始数据；步骤2：对步骤1所得到的原始数据进行整合，获得关于该仿真方预案的原始数据的N元并行数据集，每条N元并行数据包含N个元素的种类分别为：仿真时间值、仿真对象类名、对象实例名、对象属性名、对象属性类型和对象属性值δ，对象属性值δ有k种类型；步骤3：对所述N元并行数据集中各条N元并行数据中的对象属性值δ求均值对于每个对象属性值δ，计算从δ到的马哈拉诺比斯距离然后通过最大标准残差Grubb检验方法检测离群点；如果被确定为离群点，则该对象属性值所属的N元并行数据作为离群点从N元并行数据集中剔除；步骤4：建立一个K×(2K+1)×M的三层神经网络结构，K个输入节点分别为N元并行数据的仿真时间值以及对象属性值，K＝k+1；中间层为(2K+1)个节点；该神经网络的输出状态即为测试输入向量所属关键事件，则M为关键事件个数加1，即增加一个不属于任何关键事件的输出状态；所述关键事件包括：目标被发现、目标被拦截以及目标到达目的地三类，若有n个目标，则具体事件个数为2n+1；预先根据仿真系统的实际任务和目标确定关键事件数量，构造与所述关键事件匹配的样本数据，并使用所述样本数据对所述神经网络进行网络训练；步骤5：将经步骤3剔除后的N元并行数据集中的各条N元并行数据依次输入训练后的神经网络，获得输出结果，根据输出结果可识别出N元并行数据属于哪个关键事件或不属于任何关键事件；步骤6：筛选出属于关键事件的N元并行数据，并按照仿真时间值进行排序，得出回放方案；步骤7：依据所述回放方案进行数据回放。