本发明涉及仿真作战资源能力评估，特别涉及一种基于知识图谱和贝叶斯网络的仿真作战模拟系统及方法。
背景技术：
1、随着现代战争的复杂性和高技术化，对仿真作战资源的管理和评估提出了更高的要求。目前的仿真作战资源评估方法主要包括专家评估法、数学解析方法和计算机仿真分析方法，这些方法在简单系统的仿真作战资源评估中具有一定效果，但在面对复杂系统时存在局限性。传统的仿真作战资源评估方法难以满足多维度、多粒度的仿真作战资源评估需求，因此，迫切需要一种新的评估方法，以提高仿真作战资源评估的准确性和全面性。
2、在现代作战中，作战资源的管理和评估是指挥决策的重要环节。传统的仿真作战资源评估方法依赖于专家经验和数学模型，这些方法在应对复杂动态变化的作战环境时显得力不从心。例如，专家评估法受到专家主观判断的影响较大，难以保证评估结果的客观性和一致性；数学解析方法需要大量的先验知识和准确的数据支持，且在处理复杂系统时计算复杂度较高；计算机仿真分析方法虽然能模拟复杂环境，但受限于模型的精度和数据的完备性，仿真作战资源评估结果的可靠性和真实性仍需进一步验证。
3、因此，现有技术存在的问题，有待于进一步改进和发展。
技术实现思路
1、（一）发明目的：为解决上述现有技术中存在的问题，本发明的目的是提供一种基于知识图谱和贝叶斯网络的仿真作战模拟系统及方法，通过构建仿真作战模拟知识图谱，结合贝叶斯网络进行效能结果评估推理，实现对复杂作战环境下的全面、科学仿真评估。
2、（二）技术方案：为了解决上述技术问题，本技术方案提供基于知识图谱和贝叶斯网络的仿真作战模拟系统，包括数据采集单元、数据处理单元、知识图谱构建单元、贝叶斯网络构建单元以及结果评估单元；所述数据采集单元包括多种数据采集器，通过多种数据采集器采集仿真作战资源的相关数据，得到仿真作战资源数据；
3、所述数据处理单元对采集的仿真作战资源数据进行数据处理，得到归一化数据；所述数据处理包括数据清洗、格式转换以及归一化处理；
4、所述知识图谱构建单元根据归一化数据构建知识图谱，生成仿真作战资源结构化图谱；所述知识图谱构建单元包括节点确定模块以及关系确定模块，所述节点确定模块识别和定义数据采集器及其属性，所述关系确定模块分析各个数据采集器之间的协同作用，确定各节点之间的关系；
5、所述贝叶斯网络构建单元根据仿真作战资源结构化图谱的节点及节点关系得到贝叶斯网络模型；根据所述仿真作战资源结构化图谱初始化贝叶斯网络模型的节点；之后基于统计分析和实际数据构建所述贝叶斯网络模型中每个节点对应的条件概率表；优化贝叶斯网络模型的结构，验证贝叶斯网络模型，并评估所述贝叶斯网络模型的性能指标；
6、所述结果评估单元根据贝叶斯网络模型进行仿真作战模拟的动态推理，并生成仿真报告。
7、优选的，所述数据清洗指计算数据集中数据点的均值μ和标准差σ，
8、，，
9、其中，n表示数据集中数据点的总数，xi表示第i个数据点。
10、之后计算每个数据点的z-score值，
11、，
12、最后设定异常阈值，将z-score的绝对值大于所述异常阈值的数据点视为异常数据并进行去除。
13、优选的，所述归一化处理采用min-max归一化或者z-score标准化技术，当所述仿真作战资源数据的类型为json格式时，选择min-max归一化；当所述仿真作战资源数据的类型为csv格式时，选择z-score标准化，将所述仿真作战资源数据缩放到相同的量纲和范围，，
14、，
15、其中，x表示数据点；xmin表示数据点中最小值；xmax表示数据点中最大值；xnorm表示归一化后的数据点；μ表示数据集的均值；σ表示数据集的标准差。
16、优选的，每个节点代表一个数据采集器，根据节点对应的数据采集器，为每个节点定义其属性。
17、优选的，所述关系确定模块综合权重w的计算确定边的方向和权重，有向边表示节点之间的关系方向，权重表示关系的强度，包括数据传输成功率s（%）、命令响应时间t、环境影响系数e（ms）和冗余级别系数r，
18、，
19、其中，α、β、γ、δ分别表示各因素的权重系数，满足α+β+γ+δ=1。
20、优选的，每个节点都有一个条件概率表，表示该节点在不同条件下的概率分布；对于无父节点的节点，直接计算先验概率，
21、，
22、其中，n(xi=x)表示节点xi处于状态x的数量；n表示节点xi的总数量；
23、对于有父节点的节点，基于其父节点的状态和实际数据，计算条件概率，
24、，
25、其中，xi表示当前节点；x表示当前节点的某一状态；p表示父节点的状态组合。
26、优选的，使用交叉验证验证贝叶斯网络模型，将数据集分为训练集和测试集，使用训练集训练所述贝叶斯网络模型，并在测试集上评估所述贝叶斯网络模型在不同数据集上的性能指标，调整贝叶斯网络的结构和条件概率表，持续优化贝叶斯网络模型。
27、优选的，所述性能指标评估，包括准确率、召回率以及f1分数，
28、评估所述贝叶斯网络模型准确率：
29、，
30、其中，tp表示真实为正类，预测也为正类的数量；tn表示真实为负类，预测也为负类的数量；fp表示真实为负类，预测为正类的数量；fn表示真实为正类，预测为负类的数量；
31、评估所述贝叶斯网络模型的召回率，即实际正例中被正确预测的比例：
32、，
33、其中，tp表示真实为正类，预测也为正类的数量；fn表示真实为正类，预测为负类的数量；
34、评估所述贝叶斯网络模型的f1分数，即准确率和召回率的调和平均数：
35、。
36、优选的，分析贝叶斯网络中各节点对整体效能的影响，识别关键节点和薄弱环节，评估每个节点对目标节点的边缘影响度：
37、，
38、其中，impact(xi)表示节点xi对目标节点的影响程度；states(xi)表示节点xi的所有可能状态；p(target∣xi=x)表示目标节点在xi处于状态x时的概率；
39、通过计算节点间的条件概率变化对目标节点概率分布的影响程度，调整所述贝叶斯网络模型的结构和条件概率表，持续优化所述贝叶斯网络模型性能。
40、基于知识图谱和贝叶斯网络的仿真作战模拟方法，适用于所述基于知识图谱和贝叶斯网络的仿真作战模拟系统，具体包括以下步骤：
41、步骤1、数据采集单元通过多种数据采集器采集仿真作战资源的相关数据，得到仿真作战资源数据；
42、步骤2、数据处理单元对采集的仿真作战资源数据进行处理，得到归一化数据；所述数据处理包括数据清洗、格式转换以及归一化处理；
43、步骤3、知识图谱构建单元根据归一化数据构建知识图谱，生成仿真作战资源结构化图谱；所述知识图谱构建单元包括节点确定模块以及关系确定模块，所述节点确定模块识别和定义数据采集器及其属性，所述关系确定模块分析各个数据采集器之间的协同作用，确定各节点之间的关系；
44、步骤4、贝叶斯网络构建单元根据仿真作战资源结构化图谱的节点及节点关系得到贝叶斯网络模型；根据所述仿真作战资源结构化图谱初始化贝叶斯网络模型的节点；之后基于统计分析和实际数据构建所述贝叶斯网络模型中每个节点对应的条件概率表；优化贝叶斯网络模型的结构，验证贝叶斯网络模型，并评估所述贝叶斯网络模型的性能指标；
45、步骤5、结果评估单元根据贝叶斯网络模型进行仿真作战模拟的动态推理，并生成仿真报告。
46、（三）有益效果：本发明基于知识图谱和贝叶斯网络的仿真作战模拟系统及方法，全面了解各数据采集器在不同条件下的探测能力、协同效能和整体探测效果，进行仿真作战模拟并生成对应的仿真报告，从而为指挥决策提供科学依据。
1.基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，包括数据采集单元、数据处理单元、知识图谱构建单元、贝叶斯网络构建单元以及结果评估单元；所述数据采集单元包括多种数据采集器，通过多种数据采集器采集仿真作战资源的相关数据，得到仿真作战资源数据；
2.根据权利要求1所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，所述数据清洗包括计算数据集中数据点的均值μ和标准差σ，
3.根据权利要求1所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，所述归一化处理采用min-max归一化或者z-score标准化技术，当所述仿真作战资源数据的类型为json格式时，选择min-max归一化；当所述仿真作战资源数据的类型为csv格式时，选择z-score标准化，将所述仿真作战资源数据缩放到相同的量纲和范围，，
4.根据权利要求1所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，每个节点代表一个数据采集器，根据节点对应的数据采集器，为每个节点定义其属性。
5.根据权利要求1所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，所述关系确定模块综合权重w的计算确定边的方向和权重，有向边表示节点之间的关系方向，权重表示关系的强度，包括数据传输成功率s、命令响应时间t、环境影响系数e和冗余级别系数r，
6.根据权利要求1所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，每个节点都有一个条件概率表，表示该节点在不同条件下的概率分布；对于无父节点的节点，直接计算先验概率：
7.根据权利要求1所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，使用交叉验证验证贝叶斯网络模型；将数据集分为训练集和测试集，使用训练集训练所述贝叶斯网络模型，并在测试集上评估所述贝叶斯网络模型在不同数据集上的性能指标，调整贝叶斯网络的结构和条件概率表，持续优化贝叶斯网络模型。
8.根据权利要求7所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，所述性能指标评估，包括准确率、召回率以及f1分数，
9.根据权利要求1所述的基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，分析贝叶斯网络中各节点对整体效能的影响，识别关键节点和薄弱环节，评估每个节点对目标节点的边缘影响度：
10.基于知识图谱和贝叶斯网络的仿真作战模拟方法，适用于所述基于知识图谱和贝叶斯网络的仿真作战模拟系统，其特征在于，具体包括以下步骤：
