[發明專利]一種仿真模型的評估方法及裝置

有效

• 申請號: 202011011804.3
• 申請日: 2020-09-23
• 公開（公告）號: CN112257332B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 賴李媛君;彭斯雨;張霖
• 申請（專利權）人: 北京航空航天大學;北京仿真中心
• 主分類號: G06F30/27
• 分類號: G06F30/27
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 王永芳

本申請公開了一種仿真模型的評估方法及裝置，該方法包括：通過適用于多維數據的特征點提取算法提取仿真模型輸出數據和參考數據的特征點來盡可能壓縮參考數據大小，然后利用增強自組織增量神經網絡算法，對參考數據進行增量聚類，形成參考數據規律以及建立參考數據的拓撲網絡結構，再根據拓撲網絡結構確定仿真模型評估指標，根據評估指標對仿真模型的仿真結果進行評估。本申請解決了現有技術中仿真模型的評估流程長、效率低的技術問題。

技術領域

本申請涉及模型評估技術領域，尤其涉及一種仿真模型的評估方法及裝置。

背景技術

仿真模型一般用于對復雜系統的構成與運作進行仿真。由于仿真模型不完全等同于實際模型，因此，仿真模型對系統仿真后的輸出數據與實際模型的輸出數據之間存在一定的差別，故需要對仿真模型輸出數據的可信度進行驗證。

目前，傳統的對仿真模型輸出數據的可信度進行驗證的方法為通過校驗、驗證和確認(verification,validation and accreditation，VVA)進行驗證評估，其過程為：將仿真模型的輸出數據直接與參考數據進行數值對比，并根據對比結果以及預設的評估參數確定出仿真模型的可信度。但是，由于仿真模型可能存在較大的不確定性，即在輸入參數相同的情況下，多次運行同一仿真模型得到的輸出數據也可能會存在較大的差別，故直接將輸出結果與預設的參考數據進行對比，導致仿真模型的評估結果準確性較差。

發明內容

本申請解決的技術問題是：針對現有技術中仿真模型的評估結果準確性較差的問題，提供了一種仿真模型的評估方法及裝置，本申請實施例所提供的方案中，不僅通過預設的提取特征點算法對仿真模型的輸出數據集和參考數據集進行壓縮得到壓縮后的輸出數據集和壓縮后的參考數據集，減小了輸出數據和參考數據的數據量，進而減小了仿真模型評估過程中的計算量，提高了對仿真模型評估的效率；還通過增量聚類模型構建壓縮后的參考數據集中參考數據之間的拓撲網絡結構，即確定出參考數據之間內部規律，并根據參考數據之間內部規律來實現對仿真模型的可信度進行自動評估，提高了仿真模型評估的自動化性能。

第一方面，本申請實施例提供一種仿真模型的評估方法，該方法包括：

根據預設的增量聚類模型將預設的參考數據集進行增量聚類處理建立參考數據的拓撲網絡結構；

確定仿真模型的輸出數據集，根據所述輸出數據集、所述拓撲網絡結構以及預設的相似度閾值對所述仿真模型進行可信度評估。

可選地，根據預設的特征點提取算法將所述輸出數據集和所述參考數據集中每個數據進行壓縮得到壓縮后的輸出數據集和壓縮后的參考數據集，包括：

根據預設的特征點提取算法分別對所述輸出數據集以及所述參考數據集中每個數據進行特征點提取得到多個特征點，其中，所述每個數據包括多個數據點；

根據所述每個數據對應的所述多個特征點對所述每個數據進行壓縮得到壓縮后的數據，根據所述壓縮后的數據得到所述壓縮后的輸出數據集和所述壓縮后的參考數據集。

可選地，根據預設的特征點提取算法分別對所述輸出數據集以及所述參考數據集中每個數據進行特征點提取得到多個特征點，包括：

將所述參考數據集中每個數據中的首尾兩個數據點作為初始特征點，根據預設的聯合距離計算公式計算出與所述初始特征點之間的距離最大的數據點，將所述數據點作為新特征點；

根據所述新特征點以及所述初始特征點重新計算出與任意兩個特征點之間的距離最大的數據點，并將其作為特征點，直到確定出預設數目的特征點為止。

可選地，根據預設的增量聚類模型將所述壓縮后的參考數據集進行增量聚類處理建立參考數據的拓撲網絡結構，包括：

從所述壓縮后的參考數據集中任選兩個數據構建得到初始拓撲網絡結構，