動態數據驅動應用系統仿真研究綜述

許正昊， 張小和， 張洋洋， 胡小梅1a，

（1.上海大學a.上海市智能制造及機器人重點實驗室；b.機電工程與自動化學院，上海200072；2.上海無線電設備研究所，上海200090）

動態數據驅動應用系統仿真研究綜述

許正昊1b， 張小和2， 張洋洋1b， 胡小梅1a，1b

（1.上海大學a.上海市智能制造及機器人重點實驗室；b.機電工程與自動化學院，上海200072；2.上海無線電設備研究所，上海200090）

隨著仿真在各個領域的深入研究與應用，提出了基于動態數據驅動應用系統仿真，以提高仿真的準確度。介紹了動態數據驅動應用系統的概念，分析了它相對于傳統仿真的優勢。描述了動態數據驅動應用系統體系結構，并闡述了動態數據驅動應用系統三個方面的關鍵技術：數據同化、仿真環境下的動態建模、數據驅動決策。最后論述了動態數據驅動應用系統在環境仿真及軍事仿真中的應用。

動態數據驅動應用系統；在線仿真；數據同化；動態建模

0 引言

隨著各個領域研究的深入以及發展，對于其研究所需要的系統也提出了更高的要求。系統從小型、單變量、線性向著大型、多變量、非線性的方向發展，同時這些系統往往具有不確定性、時變性等特點［1］。由于仿真方法本身具有安全性、快捷性、無破壞性以及不受時空條件的約束等特點，已成為研究系統不可替代的方法。目前，仿真方法廣泛應用于系統開發、系統可行性分析、系統測試與評估等方面。

隨著仿真研究的深入，各種仿真方法得到了發展和改進。分布式仿真、在線仿真、并行仿真等先進仿真方法的出現使得仿真方法變為了研究復雜系統的重要方法。但是這些仿真方法有著自己的局限性。例如分布式仿真方法雖然在系統的互操作性以及人機交互性方面取得了很大的提升，但仍然缺乏對大型系統在動態條件下精確預測的能力［2］。在線仿真具有連續提供仿真結果并在一定的時間內給出支持、優化的效果，但在線仿真不具備動態的自適應能力［3］。針對以上產生的問題，需要研究新的仿真方法。

理論研究、實驗測試和仿真計算已成為人們探索世界和改造世界的三種基本的方法［4］。目前，這三種方法中，實驗測試與仿真計算之間的關系在時間維度上是靜態的，在空間維度上是分離的。它們三者之間的關系如圖1（a）所示。由于實驗測試以及仿真計算的變化不能及時直接地影響到另一方，使得另一方做出相應的調整，如果能加強兩者之間的聯系，即在仿真過程中能加入實驗現場的動態數據，則對復雜系統就有了更好的預測，評估以及優化如圖1（b）所示。根據這一思路，美國國家自然科學基金會（NSF）提出了動態數據驅動的應用系統（Dynamic Data Driven Application System，DDDAS）概念［5］，為解決復雜系統的仿真問題提供了一條新的路徑。

圖1 傳統系統與動態數據驅動系統的區別對比

1 DDDAS的概念

1.1 DDDAS的歷史以及發展現狀

20世紀80年代，Frederica Darema博士通過仿真以及測量技術在石油開采的輻射計算中最早產生了DDDAS思想［6］。隨著計算機技術的發展，DDDAS思想逐步得到了實現。DDDAS概念最初提出的原因是為了解決氣象以及火災預測不準確的問題［7］。由于這些模型的參數都是早期輸入，而現實條件下這些參數都隨著時間變化而變化，兩者的誤差會導致預測結果與現實結果的誤差。為了解決這類問題，產生了DDDAS的概念。DDDAS術語在2000年3月被NSF組織正式確定，在2006年的WSC冬季仿真大會上成立了DDDAS討論組。NSF在2000-2009年期間資助了多個相關項目。除了美國的NSF，其他各個國家的科研基金，包括歐盟信息社會技術計劃和英國科研委員會也展開了相關的研究［8］，已經在各個領域都有了廣泛的應用［9］。

DDDAS在我國起步較晚，目前這一技術在軍事仿真分析領域得到了較好的研究與應用［10］。很多高校將該技術運用在復雜系統的仿真中，取得了一定的成果。

1.2 DDDAS的基本概念

對于DDDAS，不同的文獻有著不同的定義。NSF對于DDDAS的定義是“一種新的協作應用和測量系統模式的研究，在這種模式下，仿真運行能夠接受相應注入到應用的新數據。同時，這些應用系統也具有動態控制測量過程的能力”［11］。其中DDDAS仿真則是應用DDDAS模式的仿真系統。

1.3 DDDAS仿真系統的優勢

DDDAS仿真相對于傳統仿真具有多方面的優勢，具體體現以下幾個方面：

1）DDDAS仿真可以提高仿真的精度［12］。這是DDDAS仿真相對于傳統仿真最大的優勢。對于一些復雜、多參數、非線性系統，DDDAS仿真可以很好地提高仿真精度，進而提升仿真的分析與預測能力。

2）DDDAS仿真的范圍更為寬廣。一是涉及學科的多樣性，對于多學科的研究有著很重要的意義；二是仿真的時間范圍，由于DDDAS可以用于實時控制、決策以及支持領域，因而提高了系統的時效性。

3）DDDAS仿真的結構不同［13］。傳統仿真本身不會接受動態的數據，屬于一個開環系統。而DDDAS系統將仿真系統與實際系統連接成為了一個閉環的系統：實際系統的數據會動態地注入到仿真系統中對仿真動作做出反映，同時仿真結果會影響實際系統，達到動態地控制實際系統的效果。

4）DDDAS仿真的效果不同［14］。由于傳統的仿真效果只是仿真系統推導出結果來影響實際系統，效果是單方向的，而DDDAS仿真實際系統以及仿真系統的數據是互相產生影響，在效果上屬于雙向的，即仿真系統受益于實際系統的數據完成驗證；實際系統通過仿真系統完善實驗結果。

2 DDDAS仿真研究內容以及關鍵技術

DDDAS仿真系統的體系結構如圖2［15］所示。

根據圖2，DDDAS的關鍵技術包括：數據同化、動態建模、數據驅動決策、動態適應算法等。

2.1 數據同化

為了實現DDDAS仿真效果，整個仿真系統應該具有讀取不同設備的動態數據，并將這些數據轉化為同一類數據的能力。這就需要對數據同化算法進行進一步地探索。數據同化是指通過數學模型擬合觀測數據的一種漸進方式，通常用于復雜系統的建模和動態預報［16］。現在主流的數據同化算法包括四維變分同化和集合卡爾曼濾波。

圖2 DDDAS仿真系統體系結構圖

1）四維變分算法［17］。四維變分算法是從三維變分算法改進而來。前面的三維是指在某個時刻的某個時間段內物體的運動軌跡。而第四維是指加上時間這個維度。當前四維變分算法領域的研究熱點包括:增量四維變分算法及其并行化計算;弱約束四維變分算法;四維變分算法和集合卡爾曼濾波算法相結合。

2）集合卡爾曼濾波［18］。集合卡爾曼濾波算法是20世紀90年代中期集合預報與卡爾曼濾波方法的結合。它通過蒙特卡洛法計算狀態的預報誤差協方差，用集合的思想解決了實際應用中背景誤差協方差矩陣的估計和預報困難的問題，可以用于非線性系統的數據同化，同時有效降低了數據同化計算量。

2.2 仿真環境下的動態建模

在使用DDDAS方法開始仿真時，需要對相關領域構建仿真環境，即對仿真系統中設備進行動態建模［19］。為了使模型具有良好的結構和維護性，建模步驟如下：

1）研究這些仿真環境自己的特定結構；

2）設計各個分系統以及所遵行的公共框架，使各個分系統之間有良好的操作性以及可重用性；

3）設計分系統之間的接口，保證這些接口可以互相操作；

4）根據現場的數據對系統進行調整，找到該系統相關參數的最優值，以建立最優方案。

2.3 數據驅動決策

數據驅動決策［20］是在決策支持系統（DSS）的基礎上集成數據驅動的模塊，主要包含數據倉庫技術、數據挖掘技術和相關的人工智能技術等。

數據倉庫技術［21］（Data Warehousing）是基于信息系統業務發展的需要，基于數據庫系統技術發展而來，并逐步獨立的一系列新的應用技術。數據倉庫技術用于支持高層決策分析，而事務處理數據庫在企業的信息環境中承擔的是日常操作性的任務。數據倉庫技術具有為面向主題、集成化特性等特點，側重于數據的存儲和查詢分析，為決策分析提供面向主題的集成的高質量數據，從多視角途徑獲取分析數據。

數據挖掘［22］是從存放在數據庫、數據倉庫和其他信息庫中的大量數據中挖掘用戶需要的數據。其中包括人工智能、機器學習、模式識別、統計學、數據庫、知識庫及數據可視化等。知識發現的整個過程包括在指定的數據庫中用數據挖掘算法提取模型，以及圍繞數據挖掘進行的預處理和結果表達等一系列計算步驟。數據挖掘側重于知識的發現，識別和抽取數據倉庫中隱含的、潛在的有用信息；人工智能技術則表現為機器知識的學習、表示和管理。

3 DDDAS的應用

DDDAS概念的提出最早是為了解決工程領域的大型、復雜、非線性系統的仿真問題而產生的。從各個領域系統仿真的發展來看，DDDAS技術在仿真技術中起了相當重要的推動作用。

3.1 DDDAS在環境仿真領域的應用

DDDAS的環境仿真方面的應用處于初級階段，將DDDAS應用于該領域有著相當重要的意義。

劉鵬舉等［23］在研究分布式水文模型過程中，以流域水文學理論、DDDAS技術、尺度理論為指導，提出多尺度分布式水文過程模擬研究框架，來解決基于GIS的多尺度地表徑流模型模擬關鍵技術問題，為森林植被對區域農業水土資源調控范圍和強度問題提供理論與方法。

Andíes Cencerrado等［24］在預測火災演化過程，采用DDDAS技術運用仿真模型，改進了兩層相連的預測模型，從而提高預測火災蔓延模擬的精度,減少火災造成的損失。

3.2 DDDAS在軍事仿真領域的應用

DDDAS仿真方法能夠實現在信息化條件下的作戰仿真。基于動態數據驅動仿真的嵌入式輔助決策系統研究，將戰前準備與戰中實施結合、方法制定與分析評估于一體，如美軍國防部展開了“深綠”計劃［25］。這一計劃涉及到開放的體系結構、多模式人機交互、混合仿真、在線評估、數據標準、互操作接口的內容。

在國內，朱林等［26］為了能夠在實時動態的條件下更加準確地仿真電子戰系統的行為，提出了基于動態數據驅動的思想，結合電子對抗作戰的特點，采用多智能體技術建立了電子戰仿真系統模型。

4 總結與展望

隨著計算機技術、傳感器技術、硬件控制技術的提高，DDDAS技術在仿真領域得到了應用，推動了仿真技術的發展。隨著DDDAS應用領域的不斷擴展，將DDDAS技術應用于大型、復雜、非線性系統的仿真，符合仿真領域的發展方向和技術需求，非常有應用前景。

［1］ 馬賀賀.基于數據驅動的復雜工業過程故障檢測方法研究［D］.上海：華東理工大學，2013.

［2］ 金淳，鄧玲麗，高鵬.集裝箱港口作業資源配置的分布式仿真優化方法［J］.系統管理學報ISTIC PKU CSSCI，2011，20（3）：363-369.

［3］ Zhu S，Xie F，Levinson D.Enhancing transportation education through online simulation using an agent-based demand and assignmentmodel［J］.JournalofProfessionalIssuesin Engineering Education and Practice，2010，137（1）：38-45.

［4］ 胡曉峰，司光亞，羅批，等.戰爭復雜系統與戰爭模擬研究［J］.系統仿真學報，2005，17（11）：2769-2774.

［5］ Darema F.Introduction to the ICCS2006 workshop on dynamic data driven applications systems［M］//Computational Science-ICCS 2006.Springer Berlin Heidelberg，2006：375-383.

［6］ Darema F.Dynamic data driven applications systems：New capabilities for application simulations and measurements［M］// Computational Science -ICCS 2005. Springer Berlin Heidelberg，2005：610-615.

［7］ Darema F.Grid computing and beyond：The context of dynamic data driven applications systems［C］//Proceedings of the IEEE，2005：692-697.

［8］ 周云，黃柯棣，胡德文.動態數據驅動應用系統的概念研究［J］.系統仿真學報，2009（8）：2138-2141.

［9］ 柳葉青.國外教育領域數據驅動決策研究述評［J］.上海教育科研，2013（9）：14-18.

［10］ 黃柯棣，趙鑫業，楊山亮，等.軍事分析仿真評估系統關鍵技術綜述［J］.系統仿真學報，2012，24（12）：2439-2447.

［11］ Madey G R，Barabási A L，Chawla N V，et al.Enhanced situational awareness：Application of DDDAS concepts to emergency and disaster management［M］//Computational Science-ICCS 2007.Springer Berlin Heidelberg，2007：1090-1097.

［12］ Celik N，Lee S，Vasudevan K，et al.DDDAS-based multifidelity simulation framework for supply chain systems［J］.IIE Transactions，2010，42（5）：325-341.

［13］ Cortial J，Farhat C，Guibas L J，et al.Compressed sensing and time-parallel reduced-order modeling for structural health monitoring using a DDDAS［M］//Computational Science-ICCS 2007.Springer Berlin Heidelberg，2007：1171-1179.

［14］ Patra A K，Bursik M，Dehn J，et al.Challenges in Developing DDDAS Based Methodology for Volcanic Ash Hazard Analysis-Effect of Numerical Weather Prediction Variability and Parameter Estimation［J］.Procedia Computer Science，2013，18：1871-1880.

［15］ 韓守鵬，邱曉剛，黃柯棣.動態數據驅動的適應性建模與仿真［J］.系統仿真學報，2006，18（2）：147-151.

［16］ 馬建文，秦思嫻.數據同化算法研究現狀綜述［J］.地球科學進展，2012，27（7）：747-757.

［17］ 胡婭敏，丁一匯，沈桐立.基于遺傳算法的四維變分資料同化技術的研究［J］.大氣科學，2006，30（2）：248-256.

［18］ Sakov P，Evensen G，Bertino L.Asynchronous data assimilation with the EnKF［J］.Tellus A，2010，62（1）：24-29.

［19］ 鄭超，周孝信.基于電壓源換流器的高壓直流輸電小信號動態建模及其阻尼控制器設計［J］.中國電機工程學報，2006，26（2）：7-12.

［20］ 侯忠生，許建新.數據驅動控制理論及方法的回顧和展望［J］.自動化學報，2009，35（6）：650-667.

［21］ March S T，Hevner A R.Integrated decision support systems：A data warehousing perspective［J］.Decision Support Systems，2007，43（3）：1031-1043.

［22］ 朱明.數據挖掘［M］.中國科學技術大學出版社，2008.

［23］ 劉曉明.北京林業大學2006-2007年博士學位論文題錄［J］.北京林業大學學報，2007，29（6）：219-224.

［24］ Cencerrado A，Cort?es A，Margalef T.Prediction Time Assessment in a DDDAS for Natural Hazard Management：Forest Fire Study CaseI［J］.Procedia Computer Science，2011（4）：1761-1770.

［25］ Detchprohm T，Zhu M，Zhao W，et al.Enhanced device performance of GaInN based deep green light emitting diodes with V defect free active region［J］.physica status solidi（c），2009，6（S2）：S840-S843.

［26］ 朱林，方勝良，吳付祥，等.基于動態數據驅動的電子戰仿真系統［J］.電子信息對抗技術，2013，28（2）：52-57.

（編輯：畢 勝）

Overview of the Simulation for Dynamic Data Driven Application System

XU Zhenghao1b， ZHANG Xiaohe2， ZHANG Yangyang1b， HU Xiaomei1a，1b
（1.a.Shanghai Key Laboratory of Intelligent Manufacturing and Robotics;b.School of Menchanical Engineering and Automation, Shanghai University,Shanghai,200072,China;2.Shanghai Institute of Radio Equipment,Shanghai 200090,China）

With the research and application of simulation in various fields,dynamic data driven application system（DDDAS）simulation is used to improve the accuracy.The basic concept of DDDAS is introduced and compared with the traditional simulation.The architecture of DDDAS simulation is described and its key technologies,that is,the data assimilation,the dynamic modeling in the simulation environment,the data-driven decision-making are detailed. Finally,the application of DDDAS in the simulation of the environment and the military is discussed.

dynamic data driven application system;online simulation;data assimilation;dynamic modeling

TP 391.7

A

1002－2333（2014）04－0094－04

許正昊（1990-），男，碩士研究生，主要研究方向為虛擬仿真；胡小梅（1978-），女，副研究員，碩士生導師，主要研究方向為虛擬仿真與制造業信息化。

2013-12-30

上海市科委科技攻關計劃資助項目（13111101303）