ارزيابي تهديد اهداف هوايي با استفاده از مدل احتمالاتي قاعده مبنا

Threat assessment of air targets, using probabilistic Rule based model

ارزيابي تهديد، يكي از اركان اصلي سيستم هاي فرماندهي و كنترل در صحنه نبرد، به شمار مي رود. محيط ديناميك و پيچيده، لازم مي دارد تا فرايند ارزيابي، در سريع ترين زمان ممكن و با بهترين دقت انجام گردد. استفاده از سيستمهاي خبره به عنوان سيستمهاي تصميم يار، فرمانده را در اتخاذ سريعتر تصميم صحيح، ياري مي نمايد. در اين مقاله، بر اساس تركيب روش هاي احتمالاتي و قاعده مبنا، يك مدل تحليلي قاعده مبنا براي طراحي سيستم خبره معرفي مي گردد كه نسبت به شبكه هاي بيزين و روش هاي قاعده مبنا نظير فازي، به عنوان دو روش اصلي بكار رفته در ارزيابي تهديد، با پارامترهاي بسيار كمتر و سرعت و سهولت بيشتري تشكيل مي گردد. همچنين اين مدل، داراي سرعت اجراي بسيار بالاتر نسبت به روش هاي ياد شده است كه مزيت بسيار مهمي در شبكه هاي ارزيابي تهديد و تخصيص سلاح به شمار مي رود. از مزاياي ديگر اين مدل، امكان در نظرگيري انواع تعاملات بين گره هاي ريشه و همچنين امكان وزن دار كردن آنها مي باشد. همچنين سادگي، مدل توانايي طراح در عيب يابي و اصلاح آن را افزايش مي دهد. نتايج شبيه سازي شبكه ارزيابي تهديد با يك سناريوي تست 4 هدفه، نشان مي دهد كه در اغلب معيارهاي ارزيابي نيز، مدل پيشنهادي عملكرد بهتري از روش هاي رقيب دارد كه در مقاله به آن پرداخته شده است.

Threat assessment is a fundamental task in command and control systems in military domain. This process must be fully real time and with high precision. Expert systems as decision support systems, guide the commander to the best decision in minimum time. in this paper, by hybrid of Bayesian networks and Belief rule based systems we propose a Probabilistic Rule based model to improve model construction and inference process. In proposed model, number of parameters in compare of two main method in threat assessment, Bayesian networks and rule based systems such as fuzzy, Is too much less and construction of model and inference process, Is much faster. This is an important feature in threat assessment and weapon allocation systems. In addition, weighting causes and interaction between them, Simple diagnosis and fast correction, are important advantages of proposed model. Simulation results for a 4 aerial target scenario, show that proposed model is better in compare with related method, in must validation criteria.