当前位置: 首页 精选范文 传统建模方法

传统建模方法范文

发布时间:2023-10-18 10:13:59

导语:想要提升您的写作水平,创作出令人难忘的文章?我们精心为您整理的5篇传统建模方法范例,将为您的写作提供有力的支持和灵感!

传统建模方法

篇1

中图分类号:S423;S127;TP751.1;P208 文献标识码:A 文章编号:0439-8114(2015)09-2097-05

四川地处青藏高原至长江中下游平原的过渡地带,容易受大气环流季节转换的影响。近50年来,四川干旱频繁发生,干旱灾情严重,分布范围广,发生时间长,造成严重的经济损失[1,2]。因此,对干旱进行实时、客观的监测和评估并且掌握干旱的发展变化趋势,能够快速地了解四川干旱灾情的发展,并及时采取防治措施,预防灾害的扩大,减少经济损失。

人们历来重视干旱遥感监测,并研究出了各种干旱监测方法,这些算法具有不同的优缺点[3-5]。针对四川省干旱的特点,研究不同的监测方法,并进行比较,找出适合四川省的干旱监测算法,对于四川省干旱的预测和预防具有十分重要的意义[6,7]。

1 研究方法

本研究利用中分辨率成像光谱仪(MODIS)数据进行四川省干旱遥感监测不同方法的比较研究,通过对数据进行预处理,获取指数信息和地表温度信息,然后利用获取的信息来分析与计算各种方法,将计算得到的各种方法的值与实测数据作线性相关分析,得到最适合的干旱监测方法。具体包括以下3个方面:

1)研究遥感干旱监测的各种方法,选出其中的3种方法进行比较研究。

2)利用从MODIS数据中获得的植被指数数据和地表温度数据,分析与计算得到各种方法的数据,然后与实测数据作线性相关分析。

3)3种方法分别与实测数据作线性相关,分析其相关性关系,找出相关性最好的方法,这个方法即为最适合四川干旱监测的方法。

2 干旱监测数据源选择与数据预处理

2.1 数据源选择

数据下载自地理空间数据云的MODIS产品数据集中的MOD11A2、MOD13Q1数据,为2006年1月下旬和7月下旬的地温和植被指数产品,MOD11A2为8 d合成1 km分辨率的L3地温数据产品,通过合成时间内晴空天气的陆地表面温度计算平均值得到,然后利用连续两期8 d合成的地温数据合成出16 d地温产品。MOD13Q1为16 d合成250 m分辨率的L3植被数据产品。实测数据来自四川省各个气象站点。

2.2 数据预处理

数据预处理是为了使用统一标准去处理数据,使产生的数据具有相同的质量,从而保证一段时间合成的数据具有可比性。数据预处理包括:图幅拼接、投影转换、重采样、裁剪和栅格计算。裁剪后得到的图像,归一化植被指数(NDVI)不在-1~1范围内,所得到的温度也不是开氏度。因此将裁剪后的图像进行栅格计算时,NDVI应除以10 000,温度应乘以0.02。

3 干旱监测不同方法的比较研究

3.1 主要的干旱监测算法

干旱的定义没有唯一的标准,但是无论使用什么方法定义,其目的都是和水分、植被有关。土壤水分和植被生长状况就是干旱监测的一种。对于裸地来说,土壤含水量的监测就是干旱遥感监测;对于植被覆盖区域来说,干旱遥感主要监测的是植被指数和地表温度的变化。

干旱遥感监测方法有很多,常用的有热惯量法、蒸散法、植被指数法等。其中,植被指数法包括距平植被指数法、条件植被指数法、植被指数差异法等[8]。同时考虑到温度对干旱的影响,还发展了温度与植被指数相结合的干旱监测方法,主要有温度植旱指数法、植被供水指数法、温差植旱指数法等。

3.2 干旱监测方法的研究

3.2.1 温度植旱指数法 温度植旱指数法(TVDI)是建立在水分对植物蒸腾作用的影响上,水分的多寡限制了蒸腾作用的强度,而蒸腾作用的强度直接影响到植被冠层温度,土壤水分越缺乏,相应地植被冠层温度越高。

研究发现陆地表面温度与植被指数呈负相关关系[9]。Carlson等[10]发现在研究区域内,如果土壤水分和植被覆盖度变化很大时,使用遥感资料得到的温度和植被指数构成的散点图呈三角形。还有人发现散点图呈梯形,这就是NDVI-Ts空间。干湿边的提取就是通过建立NDVI-Ts空间获得的。干湿边方程为:

Tsmin=a1+b1・NDVI (1)

Tsmax=a2+b2・NDVI (2)

式中,Tsmin为在相应NDVI下的最小温度值,Tsmax为最大温度值,b1、b2和a1、a2为线性关系的回归系数。即为Tsmin和Tsmax分别和NDVI构成线性关系的斜率和截距。

再通过干湿边方程建立温度植被指数:

TVDI=■(3)

1)干湿边的提取:

干湿边的提取需要建立NDVI-Ts空间。NDVI-Ts空间的建立,需要使NDVI与Ts一一对应。由于NDVI是一个连续的区间,可以采用等间距方法在一定精度范围内获取不同NDVI取值条件下的Ts对应值,对于NDVI的每一个取值区间,采用区间的中心值作为NDVI值,统计该区间范围内Ts的均值作为对应值。

利用GIS空间分析的分区统计功能,将NDVI分成100类,分类方式为等间距方式,分区统计的统计方法为求取均值,得到与NDVI相对应的Tsmin和Tsmax,在Excel中建立干湿边方程。

2006年1月:

干边拟合方程

Tsmax=-9.73x+311.82,R2=0.575 (4)

湿边拟合方程

Tsmin=12.854x+262.75,R2=0.685 6 (5)

2006年7月:

干边拟合方程

Tsmax=-11.269x+314.991,R2=0.529 4 (6)

湿边拟合方程

Tsmin=18.801x+268.14,R2=0.709 (7)

2)计算结果:

利用拟合得到的干湿边获取即可得到干湿边拟合方程的系数a1、b1、a2、b2。将a1、b1、a2、b2带入到TVDI计算公式之中,即可求得TVDI。结果见图1和图2。

3.2.2 植被供水指数法 植被供水指数法(VSWI)的依据是当作物供水正常时,植被在一定的生长期内,植被指数和温度会在一定的范围内,而当供水不足时,植被指数会下降,而温度反而会升高[7]。而当温度升高时,植被没有足够的水分蒸发,就会关闭一定量的气孔,这样又会造成温度的升高。因此,干旱越严重,温度就会越高,而植被供水指数反而会越低。植被供水指数越低,说明干旱就越严重。其公式为:

VSWI=NDVI/Ts (8)

其中植被供水指数法中地温数据为1 km分辨率的8 d合成L3产品,采用合成期内晴空天气的陆地表面温度的平均值计算得到,植被指数为250 m分辨率的16 d合成产品重采样为1 km分辨率的植被数据。结果见图3和图4。

3.2.3 温差植旱指数法 温差植旱指数法(DTVDI)的依据是当水分一定时,植被覆盖度增加,白天的温度缓慢地升高,晚上的温度缓慢地下降,昼夜温差比较小;而当植被覆盖度一定时,水分增加,白天蒸腾得比较快,温度升高得比较缓慢,晚上植被基本上停止了蒸腾作用,温度缓慢地降低,昼夜温差也比较小。因此当覆盖度一定时,水分减少,昼夜温差就会变大,干旱情况也会变严重,昼夜温差越大,干旱越严重。由昼夜温差Ts代替Ts建立NDVI-ΔTs空间。由NDVI-ΔTs空间提取的干湿边方程为:

ΔTsmin=a1+b1・NDVI (9)

ΔTsmax=a2+b2・NDVI (10)

式中ΔTsmin为在相应NDVI下的最小昼夜温差,ΔTsmax为最大昼夜温差,b1、b2和a1、a2为回归系数,即ΔTsmin、ΔTsmax分别和NDVI构成线性关系的斜率和截距。

由此计算的温差植旱指数

DTVDI=■ (11)

2006年1月:

干边拟合方程

ΔTsmax=-16.172x+33.483,R2=0.475 6 (12)

湿边拟合方程

ΔTsmin=3.199 7x+1.05,R2=0.267 5 (13)

2006年7月:

干边拟合方程

ΔTsmax=-34.335x+274.43,R2=0.665 2(14)

湿边拟合方程

ΔTsmin=19.702x+125.44,R2=0.626 2 (15)

利用拟合得到的干湿边获取即可得到干湿边拟合方程的系数a1、b1、a2、b2,将a1、b1、a2、b2代入到DTVDI计算公式之中,即可求得DTVDI。结果如图5和图6所示。

3.3 干旱监测不同方法的比较

分别将这三个干旱指标与实测土壤含水量进行线性相关分析。三个干旱指标与实测土壤含水量线性相关的结果见图7和图8。

结果表明,由NDVI-Ts空间计算的TVDI与实测土壤含水量的相关性最好,干旱指标的评价最合理;由NDVI-ΔTs空间计算的DTVDI和VSWI与土壤含水量的相关性次之,在干旱监测方面具有一定的价值。造成这种结果的原因可能是四川地形复杂,陆地表面接收辐射的强度不一样,还有可能是研究区范围的大小、气象因素等共同影响的结果。不同地区接收辐射量的不同,夜晚散射的不同,造成昼夜温差大,进而影响了干旱的监测和评估。而植被供水指数法由于其本身的局限性,造成其评估结果不准确。如果研究区域的地形不复杂,气候条件变化也不大,则DTVDI和VSWI可能也可以用于干旱评价。

4 小结与讨论

利用下载的MODIS数据计算植被供水指数、温差植旱指数和温度植旱指数,并利用2006年实测土壤含水量对3种方法的干旱指标进行监测和评价。主要得到下面的结论:

1)由NDVI-Ts和NDVI-ΔTs空间的干湿边提取发现,当NDVI达到某个值后,Ts和ΔTs的最小值开始增加,最大值开始减小。最大值与最小值之间的差值越来越小。

2)植被供水指数法在夏季与土壤湿度的相关性较冬季好,主要原因是植被供水指数法适用于植被蒸腾作用较强的季节。

(3)由NDVI-Ts空间计算的TVDI与实测土壤含水量的相关性最好,干旱指标的评价最合理,由NDVI-ΔTs空间计算的DTVDI与土壤含水量的相关性次之,在干旱监测方面也具有一定的价值。

(4)由植被供水指数法计算得到的VSWI与实测含水量的相关性最差,但是其对于干旱监测还是具有某些价值的。

本研究只选择了3种方法,其他方法还待研究验证。研究的局限性还有以下几个方面:局限于2个季节和3种方法,数据量不够完整,研究范围不够大。因此,在后续工作中需要进行深入的研究。

参考文献:

[1] 张顺谦,卿清涛,侯美亭,等.基于温度植旱指数的四川伏旱遥感监测与影响评估[J].农业工程学报,2007,23(9):141-146.

[2] 全鼎余,赵坤荣,杨大勇,等.环境监测信息共享与时空表达研究[J].计算机测量与控制,2011,19(3):539-542.

[3] 卢 远,华 璀,韦燕飞.利用MODIS数据进行旱情动态监测研究[J]. 地理与地理信息科学,2007,23(3):55-58.

[4] 齐述华,李贵才,王长耀,等.利用MODIS数据产品进行全国干旱监测的研究[J].水科学进展,2005,16(1):56-61.

[5] 张 芳.基于MODIS的陕西省干旱遥感监测研究[D].西安:陕西师范大学,2008.

[6] 刘良明.基于EOSMODIS数据的遥感干旱预警模型研究[D].武汉:武汉大学,2004.

[7] 董小曼. 基于MODIS数据的章丘市土壤含水量遥感反演研究[D].济南:山东师范大学,2011.

篇2

中图分类号:G642 文献标识码:B 文章编号:1002-7661(2015)08-003-01

由于通信系统建模与仿真是一门综合性和实践性很强的课程,现行的教学内容、教学模式、教学实践等环节上都存在很大不足,直接影响了课程教学效果和人才培养质量。因此,开展本课程教学内容和教学方法改革研究具有重要的现实意义和实践价值。

一、教学现状与困难

目前本课程的教学现状主要有如下两个特点:

1、传统的内容多,新技术新方法少。在目前的教学中,在通信系统层面上主要侧重于讲授通信系统传统的调制方式(如AM、FM、PM等模拟调制方式和ASK、FSK、PSK等数字调制方式)仿真,而对于CPFSK、TFM+OPFSK、GMSK、BPSK/DSSS、QPSK/DSSS等新的方法和技术的应用涉及很少,容易造成教学和实际运用的脱节;二是理论教学内容多,实践教学内容少。本课程课时总数为40学时,只安排了6个学时进行实验。目前本课程的教学难题主要有三点:

2、通信系统建模与仿真理论发展日新月异,教学内容更新速度跟不上理论发展。尤其是近10年来,数字通信的新概念、新技术和新方法不断涌现,教学没能及时跟上通信系统新理论、新技术的发展。因此,如何实现学生所学知识与未来实际工作的无缝衔接,教学与实际需求紧密结合是本课程的一个教学难题。

3、教学缺乏实际项目背景,过多的理论教学容易陷入说教。完成本科阶段学习的学生,一般只学习过一些编程语言,编写程序的数量和时间很有限,大部分学生缺乏实际的项目开发经历和较正规的开发训练,因而不能理解课程理论知识。如何将教学内容变抽象为具体、变枯燥为生动,从而调动学生积极性与热情,是通信系统建模与仿真课程教学中的一个难题。

4、培养的学生缺乏团队开发意识,难以满足导师对研究生项目研发能力的需求。随着通信系统内部逻辑复杂程度和功能模块数量不断增长,其分析设计或开发都必须以团队形式进行。然而,目前本课程的实验和实践教学环节主要还是以学生个体为主,缺少对学生团队开发能力和职业素养行之有效的训练方式。因此,如何培养学生团队开发能力和系统研发职业素养,缩小教学与导师对研究生系统开发能力需求之间的差距,是通信系统建模与仿真课程教学中的又一难题。

二、教学方法改革与措施

1、构建先进的教学内容体系。结合学院各专业理论需求和通信系统分析开发特点,构建在理论、应用、实践三个层次上的通信系统建模与仿真教学内容体系。理论部分主要讲解通信系统建模与仿真基础理论、主流模拟和数字调制方式建模和仿真实现以及数字调制新技术仿真等内容。应用部分以通信系统仿真统一开发过程和面向对象技术为核心,融入实践教学案例,覆盖Matlab/Simulink通信系统仿真工具和环境,使学生掌握当前先进的通信系统建模与仿真方法与技术。实践部分要求学生以团队的方式协作开发一个具有一定规模的通信系统模型并进行仿真实现,让学生从实践角度学习和运用先进的通信系统建模思想和仿真技术解决通信系统分析和研发过程中遇到的问题。

2、采用多样化的教学手段。(1)激发学习兴趣。通过构建先进的教学内容体系以及课程内容精心组织,突出各知识点之间内在联系,建立通信系统建模与仿真知识体系的系统性和实践性,激发学生学习积极性;通过梳理通信系统建模与仿真的历史发展脉络、揭示隐藏在知识点背后的思想深度,激励学生主动探索、积极实践的学习热情;(2)采用案例式教学。收集国内外经典通信系统建模与仿真教学案例进行消化吸收。将这些案例(包括成功与失败的)提供给学生作为素材,实施案例教学。部分案例由教师在课堂上讲解,部分案例由学生分析、讨论、讲解。这样,既培养了学生的实践能力,又丰富了教学手段;(3)开展双语式教学。在讲课过程中,对易于理解的内容采用全英语讲解,不易掌握的部分用汉语讲解。同时给学生提供英文通信系统建模与仿真课外阅读资料,以使他们及时了解国际上通信系统建模与仿真的最新发展和动态。这样做既能活跃学生思路,开阔学生眼界,同时也能深挖掘学生想象力和创造力。

3、创新实践教学模式。(1)以案例为导向。结合学生专业方向进行了案例设计,案例分析过程引入“Learning by doing”的先进教学理念,引导学生通过分析,提出案例的解决方案;(2)结合兴趣选题。实践项目命题原则是:尽量结合教学、科研的实际课题,从实际出发,确定课题的大小规模和难易程度。要求学生自愿组合开发小组,结合专业需求与兴趣选题;(3)进行分段实施。实践过程按照真实的项目管理和开发模式进行,重点放在需求获取和系统分析设计两个阶段。在这两个阶段安排多次项目方案讨论和小组内部交流,考察方案对需求变更的适应能力,要求开发过程反复、迭代进行,以培养学生“在实践中学习”的意识。

篇3

一、引言

随着世界经济的发展,汽车在人们日常生活中越来越普遍。为解决日益严重的交通问题,车载自组织网络(VANET)及其标准IEEE802.11p应运而生。车载自组织网络是一种特殊的移动自组织网(MANET),在高速移动的环境下,通过车与车,车与路边单元的相互通信构建无线通信网络,用于辅助驾驶,事故避免,提高交通的安全性,有效性。

在车载网络中,车辆通过广播安全业务包来保证交通安全,误包率是影响车载网络有效工作的重要指标。

最早的VANET网络仿真建模中,用一个接收能量门限作为衡量数据包是否被正确接收的指标。仅当数据包未发生碰撞并且其接收能量超过了一个预定的门限值,该数据包才被判定为正确接收,该模型由于精确度过低被淘汰。之后Q.Chen提出一个基于SINR门限的模型[1],当接收包的SINR超过了预定的门限值(基于经验结果)时,该数据包被判定为正确接收,这种建模被广泛的运用在各种研究以及仿真平台中,成为VANET物理层传统建模。但是,这种建模把物理层高度的抽象化了,整个数据包被抽象成一个传输单元,完全忽略了无线通信信号处理的细节,无法反应信道选择性和数据包长度对传输性能的影响,精确度有待提高。

本文提出一个基于指数有效SINR映射(EESM)的车载网络仿真建模,能够以较低的仿真复杂度得到比传统建模更精确的误包率性能曲线。EESM是一种复杂度低并且精确度高的OFDM链路级仿真和系统级仿真之间的映射方法,它能够将衰落信道中的多个瞬时SINR映射成AWGN(Additive White Gaussian Noise)信道下的单个SINR,将信道的多状态转化为单状态,然后通过查找AWGN信道下该SINR和误包率之间的对应关系,可以得到精确的误包率值,能够很好的解决VANET物理层建模的仿真复杂度和仿真精确度之间的权衡问题。

二、EESM介绍

当OFDM所有子载波采用相同的编码调制方式(MCS)时,EESM可以将k个子载波的SINR集合γk映射成AWGN信道下的单个有效SINR值γeff,然后再用这个有效的SINR值查找到相应误包率的估计值。其基本原理如图1所示:

EESM的映射公式可以由chernoff联合界推导得出:

三、建模介绍

信道建模:VANET的标准IEEE802.11p使用OFDM技术,频段设置在5.9GHz,每个子信道的带宽为10MHz。故其信道为时间-频率双选择性信道,信道建模必须反映出这个特性。本文信道建模包含大尺度衰落和小尺度衰落,大尺度衰落采用Two-Ray Ground,小尺度衰落实现了专门为车载网络设计的高速公路场景下的小尺度衰落[2]。

MAC层:采用IEEE802.11p规定的带冲突避免的载波侦听多址接入技术(CSMA/CS)。

物理层建模:以EESM为基础,将数据包的多个子载波的瞬时SINR映射成单个有效SINR,在利用该有效SINR在AWGN信道下的误包率性能得到需要的误包率值,具体原理请参看第二章。

四、仿真结果

本章将对新建模和传统SINR门限建模[3]的仿真性能作出对比,仿真场景为高速公路,信道忙时设为30%,车辆运行时间60s,广播的安全数据包发送频率为10Hz。

图2为802.11p协议中的三种发送速率下,两种建模的收包率-SINR的性能图(收包率=1-误包率),二者仿真复杂度基本相同。而从图中可以看出,传统建模方法较为粗糙,其包接收率在SINR门限处直接由0跳变至1,即当接收包的SINR值低于门限值时,被判定为接收错误,其SINR大于等于门限值时,判定为正确接收,而基于EESM的建模可以反映出收包率和SINR之间一一对应的关系。不仅如此,对比数据包大小为400bytes和100bytes的仿真图可以发现,EESM建模可以反映出不同数据包大小对传输性能的影响,其包大小为100bytes的曲线相对于400bytes的曲线有大约2dB的增益,传统门限判决建模无法反映出包大小对传输性能的影响。传统门限建模的不足之处可能导致错误仿真的仿真结果,适用性不足。基于EESM的新车载平台建模方法在保持较低仿真复杂度的情况下有更高的仿真精确度,必将取代传统SINR门限建模。

五、总结

误包率是影响车载网络通信性能的重要指标,传统车载网络仿真平台对物理层的建模过于粗糙,无法精确再现链路级误包率性能,本文提出一个基于EESM的新建模,在不提升仿真复杂度的情况下,显著提升了仿真的精确度。该建模可用于VANET拥塞控制,最优发送速率研究,发送功率控制等方面,为车载研究提供了新的思路。

参 考 文 献

篇4

(The Academy of Equipment Command & Technology,Beijing 102206,China)

摘要: 针对装备试验这一复杂大系统中的风险识别问题,引入等级全息建模的分析方法。分析等级全息建模的思想和原则;确定风险的定义与装备试验风险源;建立装备试验风险概念模型;设计装备试验HHM框架并分析其在装备试验风险识别中的应用。

Abstract: Hierarchical holographic modeling as an analytic way is introduced to research the risk identification in complex system of equipment testing. Hierarchical holographic modeling ideas and principles are analyzed. Risk definition and risk source in equipment testing are defined. The concept of risk models in equipment testing is established. HHM framework of equipment testing is designed and its applications in risk identification of equipment testing are analyzed.

关键词: 等级全息建模 装备试验 风险 风险识别

Key words: HHM;equipment testing;risk;risk identification

中图分类号:E139文献标识码:A文章编号:1006-4311(2011)26-0309-02

0引言

装备试验时间、空间跨度大,参与部门和人员众多,风险源构成复杂,装备试验风险识别属于复杂大系统建模与分析[1]。传统的数学建模是对实际系统做出简化假设,从某个单一方面出发进行研究。但简化假设会直接影响模型的可信度,另外,单一方面研究难以研究多变量、多目标决策问题,这导致传统的数学建模在复杂大系统建模与分析方面存在困难。

相对于传统数学建模,等级全息建模(hierarchical holographic modeling,HHM)是一种全面的思想和方法论,其目的在于通过众多方面、视角、观点、维度和层次来研究一个系统内在的本质和外在的特征。HHM同传统的数学建模技术的差异在于:数学建模只能刻画真实系统的少量因素,而HHM通过全方位的视角去研究整个系统。在分析装备试验风险识别这类大规模系统时应采用HHM全面的思想和方法论。

1等级全息建模

近三十年来,在系统工程领域对复杂大系统建模方法的研究取得了很多进展。例如,从单目标建模到多目标建模和优化(MOP)、分级重叠协调(HOC)、分级多目标优化(HMO)、等级全息建模(HHM)和多目标风险评价(MRA)等[2]。

1.1 等级全息建模思想美国学者Haimes认为,一个精确的模型只能是它所描绘的真实系统的某个方面和有限的反映。一个系统不仅包含多元素、多目标和多约束,而且还包括各种各样社会人文方面因素(职能、时间、地理、经济、政治、法律、环境、部门、制度等),因此用单模型分析和阐明整个系统是困难的。为解决这个问题,Haimes提出一种分级全息建模策略。在分级全息建模策略中,系统的不同方面由不同模型来表达,每个模型都是一个全息子模型。基于以上观点,Haimes提出了HHM,发展了传统的分级多目标优化HMO(Hierarchical multi-objective optimization)。

HMO主要解决问题分解,而HHM通过共享设计变量和设计指标来完成对子系统的协调,不同领域活动之间的协调是通过调整协调参数对目标函数的敏感度来实现的。HHM的分析方法已经广泛应用于大系统的建模、控制、分析等各个方面。

1.2 等级全息建模原则HHM建立在大规模系统和复杂系统哲学基础之上,是大系统理论的一部分。HHM把系统用一种以上的分解方法来进行分析研究,可以把一个大系统分解成只有一级的子系统,HHM能够确定大部分风险和不确定性。HHM的层次分析过程是内在分级的,并实现了自组织。

不同研究者对同一个系统的研究可能采用不同的模型。为了理解和分析大规模系统,Blauberg从理论的角度上定义了HHM全体(描述系统整体)和分级(描述系统的内在结构)的基本原则:为了获得对一个系统的充分认识,必须把系统描述分成确定的分级,每一个分级只能包括系统的某个方面和层次。事实上,这个原则来源于对系统描绘的基本相关性。为了得到系统的所需要的合适的信息,可以将系统从多个不同的角度、不同方面进行分类。

考虑到分级全息建模方法的多面性,HHM方法适合于复杂问题的解决。Thomas提出了将HHM应用到系统整体规划中的策略:按照层次结构,最上一层为主标题,下一层为副标题,依次向下规划。

2装备试验风险

2.1 风险的定义Kaplan和Garrick(1981)建立了风险定义的三组集,风险R可表示为:R={}

其中,Si表示第i个风险情景,Li表示这种风险情景发生的可能,Xi表示损害向量或引起的结果。关于如何量化Li、Xi以及其含义,早期的成果已经解决了这些问题(Kaplan 1993,1996)。

Kaplan(1991,1993)在三组集的定义基础上对风险R进行了新的定义:R={}c下标c表示风险情景集{Si}是完备的,包含所有可能的情景,或至少是所有重要的情景。

Kaplan(1991,1993)描述了“成功”或“按计划进行”由S0表示,风险情景Si通过S0变化而来。Kaplan指出,不同领域使用的不同风险分析方法开始融合,这种融合思想可以作为对Si确定和分类的系统方法。

2.2 装备试验风险源装备试验存在诸多风险源,不考虑试验品自身的隐含风险,即假定试验品是合格、安全的,在此假定前提下,重要的风险源主要有:①试验计划风险。试验计划的制定存在疏忽和漏洞,导致装备试验计划风险。②试验管理风险。试验管理者由于管理程序不规范、信息沟通不及时等原因导致试验不能达到预期目标,产生试验管理风险。③试验技术风险。试验方案与技术途径精选评估不够、试验技术指标制定不合理等原因则产生试验技术风险。④试验保障风险。在试验过程中,因组织领导保障、试验技术保障、试验物资器材保障、试验安全保障、试验外协保障及试验勤务保障组织不力,则会产生试验保障风险。⑤试验环境风险。试验环境风险是指装备试验因气象、地理等自然环境因素导致试验不能达到预期目标[3]。

2.3 装备试验风险概念模型装备试验风险的概念模型如图1所示,其要素包括三个方面:风险源、系统弱点、安全措施。装备试验风险概念模型可简单表述为:装备试验系统中存在诸多系统弱点,针对系统弱点,装备试验设置了诸多风险干预措施。试验技术风险、试验管理风险、试验技术风险、试验保障风险、试验环境风险等风险源经过风险干预后,仍有可能作用于系统弱点,形成风险。

3HHM在装备试验风险识别中的应用

HHM是一种全面的思想和方法论,它目的在于从多个方面、视角和维度展现一个系统的内在特征和本质。HHM方法的核心是一个特殊的图表框架。

3.1 装备试验风险识别装备试验风险辨识,也称为装备试验风险的识别,即对存在于装备试验中的各种风险根源或是不确定性因素按其产生的背景原因、表现特点和预期后果进行定义、识别,对所有的风险因素进行科学的分类。采取不同的分析方法进行评估,并依此制定出对应的风险管理计划方案和措施,付诸实施。

风险识别是风险分析的第一步,被广泛认为是整个风险管理过程中最难完成的一项任务。只有准确地掌握风险的类别、成因及影响,才能对风险评估和风险控制等管理行为确定方向,才能制定出经济有效的管理方案。装备试验风险识别就是运用各种方法,系统地认识装备试验所面临的各种风险种类以及分析引发风险的各种潜在因素,并进行定义,分析风险的状态及对装备试验造成的威胁和影响,对风险进行科学的分类,为风险的进一步管理与防范提供依据。识别的主要步骤如下[4]:

①收集和分析历史数据。对装备试验风险进行识别前,首先应收集与装备试验活动有关的业务资料,如已有的试验报告、已有的风险时间表等,为风险的辨识提供依据。②通过研讨会、专家调查等方法进行风险的全面了解,建立HHM框架。分析装备试验计划中的风险点,识别潜在的风险因素。③风险识别分析。采用HMM理论和模型,基于HHM框架进行风险识别分析。④结合有关专家评审和分析会,确定可能面临的风险以及形成这些风险的因素,描述风险症状,为下一步的风险分析及防范奠定基础。

3.2 装备试验HHM框架的设计装备试验风险识别涉及管理、技术、环境、人员多方面因素,规模庞大,结构复杂,多层次互相关联,带有随机性和不确定性,因而装备试验风险识别是复杂大系统建模与分析。本文提出的HHM框架从计划、管理、技术、保障、环境五个不同的方面来刻画装备试验风险分析。其中,每一个主体代表了一类风险场景,并且可向下细分构成树状结构,以便于更加精确、详细的描述系统[5]。图2是装备试验系统的HHM框架。

计划风险从计划这个角度描述装备试验的风险,计划风险来自三个方面:计划制定、计划审查、计划执行。在计划制定中存在两类风险,人为疏忽导致的风险和概率出错产生的风险,其中概率出错是最难以排查的风险;管理风险主要来自三个方面:协调出错、管理疏忽、管理水平;技术风险包括方案错误和采取了不适宜的技术途径,例如,多个技术途径之间不匹配,技术途径超越现实条件,实现起来不切实际;保障风险来自三个方面:人员保障、设备保障、资金保障;环境风险指气象、地理等因素产生的风险,例如地理条件、强风、降水、沙尘暴、空间天气等。

3.3 HHM框架在风险识别中的应用HHM框架采用一个反复迭代的方法来确定所有系统风险的结构,如果HHM当前框架不能确定一个风险来源,可以增加新的视角,用一个新的分解来扩展该框架。迭代是一个持续的过程,每一次迭代都进一步完善HHM框架的合理性,最终HHM框架能捕获所有的风险场景[6]。

装备试验系统中的风险大部分为多因素交互产生,为了识别多因素交互产生的风险,可以将HHM框架分解为图3所示的HHM子模型。假设计划风险主要有三类风险:计划制定、计划审查、计划执行,现在要识别计划审查风险与“技术风险”、“环境风险”的关系。“技术风险”和“环境风险”的不同组合有10种情形,在每一种情形下计划审查存在不同的风险场景。比如,在强风的气象条件下,技术途径存在不匹配的问题,这就加大了计划审查出错的风险。识别风险时可采用许多如图3所示的HHM子模型,将各种情形都要考虑在内,保证风险识别质量。

4结论

装备试验风险识别属于复杂系统建模与分析,利用传统数学建模方法进行装备试验风险识别存在不足。HHM建立在大规模系统和复杂系统哲学基础之上,实现了复杂大系统的完全分解。HHM为装备试验复杂大系统中的风险识别提供了整体、全面的分析方法,克服了传统数学建模的不足。

参考文献:

[1]刘汉荣.王保顺等.国防科研试验项目管理[M].北京:国防工业出版社,2009:165-167.

[2]宋晖.分级全息建模思想在网络资源管理中的应用[J].微计算机信息,2007,23,(9):16.

[3]刘汉荣,秦红燕,丁向丽.国防科研试验项目风险管理[J].装备指挥技术学院学报,2008,19,(4):5.

篇5

关键词:专业学位研究生;教学改革;职业教育;案例教学

中图分类号:G642.0 文献标志码:A 文章编号:1674-9324(2017)21-0114-02

一、专业学位研究生“系统建模与计算机仿真”课程改革的必要性

“系统建模与计算机仿真”课程是电子信息类专业学位研究生一门学科选修专业课,是面向工程实际的应用型课程,主要内容包括:实验数据分析与图形可视化、最优化技术建模与仿真、信号建模分析与仿真、现代建模方法及仿真等。

该课程在教学方式与课程内容方面,存在如下问题:

1.课程内容抽象与学生灵活运用能力低。该课程涉及内容广泛,教学内容较多但教学学时较少,概念、模型、算法抽象严谨。在前面教学过程中发现,一部分学生感到该课程枯燥无味,难于理解,因此学不进去;另外一部分同学数学基础较好,对概念、模型、算法能学懂,但是遇到具体问题,不能灵活运用。

2.课程目标定位不够清晰,内容与实际联系较弱。该课程基本或完全运用学术学位研究生的课程教学,不能体现专业性研究生课程的“实践”内容,缺失“专业性”的职业教育。

3.课堂教学效果有待加强,尤其要改进教学方式方法。教学方式枯燥、单一,“满堂灌”的教学方式弱化了研究生的学习兴趣;以课堂为中心,以教师为中心,以理论为中心的传统教学模式,教学效果不理想。

4.专业性研究生教育的实践教学部分比重不大。课程内容重理论轻实践,不利于专业研究生实现科研创新及今后在职业生涯中的发展。

5.教学内容创新意识不强,课程内容陈旧,不能与最新科研发展同步。

二、课程教学内容改革

1.将MATLAB仿真软件引入课题教学。MATLAB是美国MathWorks公司出品的数学软件,是Matrix Laboratory两个词的组合,即矩阵实验室,主要是面对科学计算,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言,它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中,同时提供多个专业领域功能强大的工具箱与模块集,为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案,并在很大程度上摆脱了传统非交互式程序设计语言(如C、Fortran)的编辑模式,代表了当今国际科学计算软件的先进水平。将MATLAB语言与系统建模理论相结合,使抽象的理论模型可视化、直观化,便于学生理解掌握,同时熟悉了MATLAB软件的使用方法。在系统建模与分析中,需要绘制较多仿真曲线,对于大型复杂系统的建模,如果采用人工绘图,不仅浪费时间且仿真曲线不精确,利用MATLAB较强的计算与可视化功能,可较容易地绘制仿真曲线,且能动态地仿真数学模型。由于本课程学时较少,因此要求专硕研究生课下自学MATLAB基本函数和语法。在课堂上讲解系统建模的相关理论与分析方法,简要介绍MATLAB工具箱中相关函数使用方法,课后作业分为两部分,一部分系统建模理论知识分析,二是要求使用MATLAB进行求解与仿真。

2.教学中引入工程案例。应用型高层次人才是专业学位研究生培养的目标,他们毕业后,可以独立负责某项技术及其科学研究,这也是专业学位研究生与高职职业性的区别。因此专业学位研究生的案例教学有别于本科的案例教学,不仅要考虑学生的兴趣,更要注重案例内容的理论层次性与创新性。根据电子信息类专业学位研究生的特点,案例教学分为四模块:实验数据分析与图形可视化、现代建模方法及仿真、信号建模分析与仿真、最优化技术建模与仿真。实验数据分析与图形可视化:研究生阶段,每位研究生都会做很多实验得出较多数据并进行处理,为了更直观地表达数据与分析数据,需要使用数学软件Matlab进行仿真,因此在授课时,针对典型二维图像、三维图形等进行了案例教学,同时,由于课堂时间的限制,课后也为同学们布置了多个典型数据可视化习题进行练习,为后续课题的深入研究与仿真奠定了坚实基础。现代建模方法及仿真:针对电子信息类专业学位研究生,本部分在课堂上安排了以下案例:形似及演绎推理建模案例、系统辨识案例、基于模糊集建模案例、基于神经网络建模案例和基于智能技术建模案例。在各类模型理论知识讲解的基础上,利用Matlab语言进行仿真,从而深入理解掌握各种建模方法。信号建模分析与仿真:列举了信号在时域、频域、空间域中信号分析与处理的相关案例,同时讲解了其在声音信号(一维信号)与图像信号(二维信号)中的应用;学生能系统深入理解信号处理的原理,同时仿真结果由工具软件Matlab形象表现。

三、课程教学方式改革

专业学位研究生教育属于研究生教育层次,因此其教育是职业教育与学术教育的综合,“职业性和学术性,两者兼备”,即需对学生开展学术与职业型教育。

1.以案例教学为主,重视运用团队学习、案例分析、模拟训练等方法,案例作为一个主要载体来实现整个教学过程,完成专业学位研究生的理论学术性教育学习,同时充分调动学生学习的主动性,组建学习团队,课外时间对教师所留题目进行模拟训练,同时使用Matlab软件对实践题目进行仿真,有条件的同学,可以将其运用于实习单位课题上面,实现职业性教育学习。

2.跟踪学科前沿,拓展教学内容,课堂授课时,将科研课题相关模块制作为案例,将最新进展引入课堂,使得课堂教学内容及时更新,从而突破教材的束缚,完成研究生教学与科研相结合,使教学内容更富有活力。

3.改革教学方法,倡导自主学习,在上述教学过程中实施开放式教学,转变教师与研究生在教学活动中的角色,教师不再是知识的传输者而是指导者,研究生不再是知识的被动接受者,而是成为知识的主动建构者,以研究生的“学”为主,教师的“教”为辅,充分挖掘研究生潜能,使其积极主动地参与到学习中去。

四、考评方式

为了更好地评价研究生学习效果,同时也为了鼓励后续研究生的学习,对此课程的评价体系也进行了改革,其评价标准综合考虑了对知识的理解、运用能力和综合素质,

为了更好地衡量对知识的理解、运用能力和综合素质,引入项目设计环节,增加理论与实践应用相结合的方式,项目设计在考核成绩中所占比重为50%,研究生可将其创新性思维在项目设计中得体体现并加以验证,平时成绩和课堂表现占总成绩的20%,期末试卷占总成绩的30%,因此,这种考核方式充分体现了“职业”教育参与其中。

参考文献:

[1]李艳杰,于艳秋.“现代控制理论”课程研究型教学实践与探讨[J].中国电力教育,2010,(15):53-54.

[2]李娜.科学教育与职业教育双重视野下的我国专业学位研究生教育[D].西安:西安电子科技大学硕士论文,2010.

[3]贝绍轶.硕士专业学位研究生校企联合培养的探索与实践――以车辆工程为例[J].高教学刊,2016,(21):19-21.

[4]生龙,马晓雨,郭云w,等.研究生《人工智能》课程教学方法改革浅析[J].教育教学论坛,2016,(6):98-99.

[5]刘春生,张绍杰,王晶.“最优控制理论”研究生课程教学的探索与实践[J].电气电子教学学报,2015,37(3):30-32.

友情链接