数据分析技术在指挥信息系统中的应用

发表时间:2021/3/17   来源:《科学与技术》2020年32期   作者:周乾坤 马哲毅 蒲俊杰
[导读] 在当今时代的背景下,数据分析技术作用的范围是非常广的,
        周乾坤  马哲毅  蒲俊杰
        武警警官学院
        摘要:在当今时代的背景下,数据分析技术作用的范围是非常广的,结合当下情况来看,指挥信息系统已经发展到了网络化。为了帮助指挥信息系统的应用更加有效,对于数据分析技术在指挥信息系统中的应用进行分析与实践是非常有必要的。本文针对数据分析技术与指挥信息系统进行分析,并探讨数据分析技术在指挥系统中的应用,旨在为提高大数据技术的实用价值,并推动指挥信息系统的落实。
        关键词:数据分析技术;指挥信息系统;系统应用
        随着时代的变更与发展,互联网技术已经逐步成熟,人们可以从各方面接受数据信息,但是在互联网中有一部分数据未被人们所涉及,即数据分析技术。数据分析技术的发展可以培养人们的思维模式,既能够符合时代背景的发展要求,还能够推进我国各行业的进步以及创新。指挥信息系统在运转时会积累海量信息,对其进行有效分析处理,是当前的信息系统中需要解决的问题。
        一、数据技术与指挥信息系统内容简述
        数据分析,指的是采取统计方法来分析所搜集来的资料,把开发数据资料的功效进行最大化地开发,让数据被高效利用,也是根据对信息的掌握来进行分析与研究的过程。数据的形成是经过调查以及观察,然后做出实验以及测量等得出的结果,通常是以数量的模式呈现出来。对于数据的分析主要是在海量的信息中把需要的信息提炼出来,然后对研究题目进行分析,找出其规律与潜在发展趋势。数据分析是具有目的性的对信息进行收集与分析,掌握数据并分析数据可以帮助人们对当前形势作出判断,从而采取相对完善的措施。
        指挥系统的功能主要是快速以及精准的决策在海量大数据中发展的情报,并对有价值的数据进行提取与分析。在指挥系统中的数据分析主要分为现状分析与原因分析,还有预测分析三大类。现状分析——根据系统当前的运行状态与性能,还有能力边界与查找处理存在而对异常情况进行分析;原因分析——根据系统当前性能的变化与异常进行分析,并提出相应的解决方案。预测分析:进行干预措施并对系统运行的情况进行估计。
        想要对数据进行分析并发挥数据分析在指挥系统中的应用,就需要对数据分析的步骤与挖掘进行一定的了解。数据分析分为六个步骤:分析与思路的决定——数据准备——数据处理——出具分析——数据展现——报告撰写:数据的挖掘又分为分类、聚类、关联、回归、预测、序列分析、偏差分析。只有掌握数据分析技术的主要内容,才能够让数据分析技术在指挥系统中发挥最大效能。
        二、数据技术在指挥系统中的应用
        在指挥系统中应用数据分析技术主要包括离线分析与在线分析。离线分析需要及时并准确地对海量情报数据进行处理,并且针对数据采用聚类与分类等挖掘手段,来获取有效的情报数据。云计算集网格、分布、并行、有效、网络存储、负载均衡等技术于一身,具备海量的存储功能与弹性变化的优点,可以有效地解决存在的问题。通过数据存储、计算处理、智能情报分析等应用方面来进行处理。随着Google对GAE的推出,云计算产品市场逐渐浮现更多的平台系统,比如Hadoop、AWS、SFDC等其中Hadoop在大数据的领域中得到广泛的推崇与应用,Hadoop技术可以极大方便分析人员进行原始数据的分析,用情报知识满足支持决策的所需。
        但是,在指挥信息系统内,所有传感器都进行最新情报数据的传输,战场的动态不断变化,只有不断针对所传来的信息进行分析才能够掌握最新的实时动态,来保证指挥决策的有效性与准确性。

Hadoop平台具有的优点非常多,但是却存在着许多的问题,比如延迟大、调度的开销大等,无法对作战时的及时要求进行满足。所以就需要在行业中找寻最符合实际要求的平台,比如Storm,Storm属于一种开元分布式实施流计算的框架,对全内存计算可以支持,具备高容错性以及部署简洁等优点,不仅可以满足及时性的需求,还能提高工作效率。
        根据分析来看,可以采取以Hadoop为基础,联合使用Map Reduce与Storm的计算框架,把并行计算与流计算通过与分布式云存储技术相结合,对大数据分析的并行数据分析框架进行改善,从而更适用于指挥信息系统的运作。
        根据指挥系统大数据之间的关系可以分析出之间所呈现的关联性,主要包含云存储、分布式计算、数据分析与应用分析,每个环节都互相牵涉、干预,并且提供相应的服务支持,包含数据安全、流程管理以及资源的监控、调度、部署、规划等功能,确保和环节都能够具有产生最大效用。云存储环节有分布式的文件系统与数据库还有数据库工具(Hive)构成,来提供数据分布式存取功能;分布式计算由Hadoop与Storm组成,来实现非实时与实时计算能力的结合;数据分析环节包括并行分析的算法集与并行数据预出路算法集,比如并行数据的挖掘、统计、文本挖掘等算法,从而高效地对结构数据进行处理;应用层主要是针对指挥信息系统业务的用户,为用户提供目标识别以及数据融合,还有台式评估和态势预测等作战应用。
        指挥信息系统的大数据分析,尤其是在情报中心进行的分析,需要掌握情报站提供的实时信息来获取及时的情报数据,所以对于情报站的及时性具有很高的要求。当前在行业内已有开源实施数据传输的系统,比如Facebook Scribe、Apache Chukwa等,但实际不同系统的负载均衡与设计架构和可扩展性与容错性等性能上面呈现的优劣是不等的,但是对于基本的三个组件都能进行满足,既agent与collector和store,agent对的作用是对数据源进行分装,把数据源内的数据通过传输发送到collector;而collector在接收agent的数据后进行汇总在再对store实施导入;store是中央存储系统,具备可靠与扩展的性能于一体,对HDFS等分布式的数据存储方式进行支持。
        可以针对三个组件进行位置的分析:Agent位于不同的情报站,把不同情报站的实时信息对情报中心进行汇报,把订阅与发布作为基础,把所分析的结果分发给其余情报站;collector和store在情报的中心地位,collector经过多个情报站的信息进行总结和传输给store;store的作用是海量存储数据,可利用HDFS与HBase来进行分布式的存取。在环节进行中,可以使用多个collector,来提升负载均衡以及容错能力。
        结束语:综合所述,本文针对大数据分析在指挥信息系统中的应用进行了初步探究,来对大数据信息技术的应用价值进行分析。但是根据现状来看,需要对存在的问题进行深度分析,如:适合满足作战现场的及时要求、如何对异构情报进行分析提取、如何让情报结果实现安全性等问题。如今军事数据占领着主要支配地位,对于大数据分析的技术应用,不仅可以对战场情报的数据进行智能处理,还可以增加指挥信息系统的决策支持能力。
        参考文献:
        [1]大数据在指挥信息系统中的应用探析[J].陈竹津.信息化建设.2018(02)
        [2]指挥信息系统大数据技术发展趋势[J].王本胜,殷阶,朱旭.指挥信息系统与技术.2019(03)
        [3]数据存储技术在指挥信息系统中的应用[J].王丹,陈海峰.信息化研究.2020(04)
        
作者简介:
周乾坤(2000-04-02),男,汉族,籍贯:江西省新余市,学历:本科
马哲毅(2000-03-29),男,汉族,籍贯:上海市普陀区,学历:本科
蒲俊杰(1999-09-14),男,汉族,籍贯:四川射洪,学历:本科
       
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: