[发明专利]基于改进神经网络的态势感知方法和可读存储介质

权利要求书

1.一种基于改进神经网络的态势感知方法，其特征在于，包括以下步骤：

感知步骤，包括获取多个系统整体影响指标及其权重，以及获取每个子系统的多个一级指标和二级指标；

理解步骤，包括基于所述系统整体影响指标及其权重确定第一系统安全性，基于所述一级指标和所述二级指标确定第二系统安全性，以及综合所述第一系统安全性和所述第二系统安全性获得系统安全等级；

预测步骤，包括构建初级神经网络，将所述系统整体影响指标、所述二级指标和所述系统安全等级输入所述初级神经网络进行训练以获得神经网络态势感知预测模型，并基于所述神经网络态势感知预测模型进行预测；

所述获取每个子系统的多个一级指标和二级指标包括：

对系统的每个子系统进行数据采集并确定每个子系统的m个一级指标以及每个一级指标对应的n个二级指标，其中n和m均为正整数；

归一化处理所有的所述二级指标和所述一级指标并获得m个一级指标权重和每个一级指标对应的m个二级指标的n个二级指标权重；

所述初级神经网络包括局部输入模块、整体输入模块、融合层和输出层，所述局部输入模块包括输入层、第一隐藏层、第二隐藏层、第三隐藏层、第四隐藏层、第五隐藏层和第六隐藏层，所述整体输入模块包括输入层、第一隐藏层和第二隐藏层；所述局部输入模块的输入层、第二隐藏层、第三隐藏层的节点个数分别对应二级指标个数，一级指标个数和子系统个数，所述整体输入模块的输入层的节点个数对应所述系统整体影响指标的个数。

2.根据权利要求1所述的基于改进神经网络的态势感知方法，其特征在于，所述获取多个系统整体影响指标及其权重包括：

对系统进行数据采集并确定s个系统整体影响指标；

归一化处理所述系统整体影响指标，并获得每个所述系统整体影响指标的权重，其中s为正整数。

3.根据权利要求2所述的基于改进神经网络的态势感知方法，其特征在于，所述基于所述系统整体影响指标及其权重确定第一系统安全性包括：

挑选p个训练样本，通过对所述系统整体影响指标进行评估，确定第一系统安全性：，其中表示所述第一系统安全性，表示系统整体影响指标的影响度，p为正整数。

4.根据权利要求3所述的基于改进神经网络的态势感知方法，其特征在于，所述基于所述一级指标和所述二级指标确定第二系统安全性包括：

根据每个一级指标对应的n个二级指标的影响度以及其二级指标权重，判定每个一级指标的影响度，其中表示一级指标的影响度，表示二级指标的影响度；

基于所述一级指标的影响度以及其一级指标权重判定每个子系统的影响度；

基于每个子系统的影响度以及其权重确定所述第二系统安全性。

5.根据权利要求4所述的基于改进神经网络的态势感知方法，其特征在于，所述综合所述第一系统安全性和所述第二系统安全性获得系统安全等级包括：

基于所述第一系统安全性、所述第二系统安全性、所述第一系统安全性的权重和第二系统安全性的权重得到系统综合安全性；

基于所述系统综合安全性和打分标准，获得所述系统安全等级。

6.根据权利要求1所述的基于改进神经网络的态势感知方法，其特征在于，所述将所述系统整体影响指标、所述二级指标和所述系统安全等级输入所述初级神经网络进行训练以获得神经网络态势感知预测模型包括：

选择P个训练样本，将其对应的所述系统整体影响指标、所述二级指标和所述系统安全等级输入所述初级神经网络进行多次训练以获得神经网络态势感知预测模型；

挑选Q个测试样本，将所述测试样本通过所述神经网络态势感知预测模型获得Q个预测值；

针对每个测试样本执行所述感知步骤和所述理解步骤以获得Q个实际值；

比较所述预测值和所述实际值以判定所述神经网络态势感知预测模型是否成熟。

7.一种可读存储介质，其特征在于，所述可读存储介质由处理器执行时，实施根据权利要求1-6中任意一项所述的基于改进神经网络的态势感知方法。