机器学习在军事活动对航空网络态势影响中的应用研究

Nowdays, as the military preparedness goes on, the airspace requirements of military activities becomes larger. For lack of theoritical analysies about the military airspaces’ affection on civil aviation, the airsapce is established unscientificlly, which leads to the contradictions between military and civil aviation are sharpening. The Aviation Network Situation Awareness(ANSA) can overall reflects the network’s operation status. In the project, Situation Awareness is adopted for analysing the military affection.The machine learning method is proposed to solove situation factors establishment, situation assessment and situation forecasting problems. Meta-learning are proposed in wrapped feature selecting method to reduce the caculation, a tidy factor set is established for follwing ANSA research.On this basis, the situation assessment is developed by classify method, many machine learning methods are integrated by ensemble learning to upbuild a scientic and objective assessment model for affection analysies.Finally, the online learning is suggested for solving situation forecasting problem for military aiespace establishment. The optimal subsets are chosen from time and space dimensions, and the forecasting model is established by online learning. he development and the prosective achivement of this project will supply theoretical and technical supports for the military airspace establishment, and futhermore, provide a technical reference for situation awareness in other fields. In sum, this project has an important theoretical significance and a practical value.

随着军事斗争准备的深化，军事演习和训练对空域需求越来越大。目前由于缺乏军事活动空域划设对民航影响的理论分析，空域划设不科学，导致军民航冲突加剧。航空网络态势感知能够全面的反映民航整体的运行状况，本项目拟从态势感知角度分析军事活动对民航影响，引入机器学习方法着重解决网络态势因子构建、评估以及预测问题：通过元学习方法的引入降低态势因子选择的计算量，建立一个精简的态势因子集，为ANSA研究提供基础的数据支撑。在此基础上采用分类方法研究态势评估问题，以集成学习思想融合多种机器学习算法分析军事活动对网络态势影响。最后采用在线学习的方式研究军事活动空域划设对民航态势发展预测问题，通过时间和空间两个维度选择与目前态势最相关的子集训练获得最终的态势预测模型。本项目的开展和研究成果不仅能够为军航划设活动空域提供理论支撑，还可以为其他领域的态势感知研究提供技术参考，具有十分重要的理论意义和实用价值。

由于缺乏军事活动对民航影响的理论分析，导致军民航冲突加剧。航空网络态势感知能够全面的反映民航整体的运行状况，本项目从态势感知角度分析军事活动对民航影响，引入机器学习方法着重解决网络态势因子构建、评估以及预测问题，主要研究内容和结果如下：.1.提出一种基于元学习的分层混合网络运行态势因子选择方法，通过网络关键节点和链路的发现以及Wrapper两种模式的混合集成，逐层降低搜索的空间；元学习模型的引入避免了搜索过程中样本训练过程。通过这两种途径，保证了所选态势因子精简、准确，有效降低运算量。.2提出基于集成学习的航空网络运行态势评估方法，摒弃传统的分别评估打分再融合的方法，从整体上评价网络运行态势，降低主观因素对评估的影响。采用集成学习的思想，提高分类精度，更加精确的评估出航空网络运行态势情况。.3提出一种基于在线学习和最优样本子集的航空网络运行态势预测方法。从机器学习的本质出发，结合态势预测问题，选择在线学习方式进行研究。通过时间和空间两个维度上的选择找出与当前态势最相关的样本，以此为学习样本进行预测模型更新，实现态势预测。.4提出一种基于合作博弈冲突解脱模型，解决军航飞机流穿越航路的冲突问题。提炼出飞机联盟、解脱边界条件与最优机动方向。合作博弈冲突解脱模型能在保证安全间隔的前提下较好地均衡各飞机收益，通过增加民航飞机权重使客机尽量少机动避让，降低军航活动对民航的影响。.5提出一种基于局部弹性路由层的改航规划方法。借鉴计算机网络解决多链路故障问题的思路，选取关键航路段集合作为保护对象，建立局部弹性路由层。通过单亲遗传算法综合考虑改航距离成本、风险成本、重要航路保护度等因素优化局部弹性路由层，得到最优改航预案，提高民航应对军事活动能力。.在项目资助下，发表学术论文36篇，其中SCI检索5篇，EI检索18篇，出版学术著作1部。研究成果对集群协调军民航矛盾，提高民航运行效率具有参考应用价值。

内容获取失败，请点击重试