萬家華，錢 麗

（安徽新華學院信息工程學院，安徽 合肥 230088）

基于混沌理論軟件可靠性定性仿真建模方法

萬家華，錢 麗

（安徽新華學院信息工程學院，安徽 合肥 230088）

基于經(jīng)驗模態(tài)分解算法、混沌分析和神經(jīng)網(wǎng)絡理論提出了一種軟件可靠性建模及預測的混沌神經(jīng)網(wǎng)絡模型。研究成果顯示，依據(jù)經(jīng)驗模態(tài)分解、神經(jīng)網(wǎng)絡以及混沌分析的程序可靠性評估模型的模型模擬以及結合作用更加完善，評估結果的準確性相對較高。

經(jīng)驗模態(tài)分解；軟件可靠性模型；混沌分析

評估全部軟件程序所必須的特性中就包括可靠性[1]。本文關注軟件可靠性模型主要是基于軟件失效數(shù)據(jù)[2]，而其中數(shù)據(jù)信息以及時間為開發(fā)的重點。

1 基于經(jīng)驗模態(tài)分解的遞歸神經(jīng)網(wǎng)絡單步預測模型

在程序中出現(xiàn)的不可利用信息以及資源的基礎上，研究程序中的混沌性質(zhì)，對這些不可利用信息以及數(shù)據(jù)中有無這一性質(zhì)進行測試。上述測試中帶有這一性質(zhì)的不可利用信息以及資源與神經(jīng)網(wǎng)絡以及EMD分解理論相互作用，從而形成不同的神經(jīng)網(wǎng)絡，并命名為EMD＆DRNN。第一步是依據(jù)EMD分解理論，將程序中出現(xiàn)的不可利用信息以及資源做處理，并由此得出有不同期限標識性質(zhì)的基礎模型個體，也就是IMFs。第二步是在神經(jīng)網(wǎng)絡的基礎上，把上一步中得到的基礎模型個體做一個分析和評估。這一分析和評估可以劃分成三個板塊（如下圖1）：

圖1 依據(jù)EMD理論的遞歸神經(jīng)網(wǎng)絡模型結構

一個板塊是，有差值增加功能以及EMD分解功能在內(nèi)的部分，其中Inimf以及InX（t）是經(jīng)過上述兩個功能作用后得到的數(shù)值。最后一個板塊是將上一版塊中得到的數(shù)據(jù)進行整合得到評估結論，q是開始狀態(tài)下信息以及資源在EMD理論作用下的基礎模型個體的數(shù)量。

評估相關程序中不可利用信息及資源的計算步驟為：根據(jù)EMD分解理論對程序不可利用的時間順序數(shù)列進行剖析。評估神經(jīng)網(wǎng)絡中出現(xiàn)的相關決定性數(shù)據(jù)。

2 算例分析

對于模型各部分功能以及性質(zhì)的測試會依據(jù)四個不同的審核標準來實現(xiàn)：

均值誤差平方和：

回歸線方程的相應指數(shù)：

均值誤差：

均方百分比誤差：

示例 1 Musa為測試所選擇的信息以及資源集合，測試中需要的個體數(shù)是136個，并將這些個體依據(jù)EMD神經(jīng)網(wǎng)絡理論實行評估以及模型的制作。由于程序不可利用的部分有著混沌的特性，無法對其進行長時間評估，因此就將前面130個個體組成一個測試集合，剩下的則成為對比系數(shù)，來確保評估結果的準確性。重復這一步驟多次，到對應的維度值與相應的極限數(shù)相同。在Takens理論的基礎上，插入網(wǎng)絡以及吸引子維度值之間聯(lián)系是D≥2+1，而此時測試集合中的吸引子的維度值約是1.49，因此這一集合的插入網(wǎng)絡的維度值為4。為Musa個體集合在EMD理論的基礎上作用之后，出現(xiàn)的八種基礎模型個體和多余的部分。在開始狀態(tài)下的信息以及資源和經(jīng)作用之后的信息資源的基礎上來開發(fā)神經(jīng)網(wǎng)絡的拓撲組織，應該對上述八種基礎模型個體與開始狀態(tài)下的信息及資源的插入維度值以及準確的滯后時間進行推算。接下來再根據(jù)G-P理論，得出網(wǎng)絡維度值以及對應維度值的聯(lián)系網(wǎng)絡，每一順序數(shù)列的插入維度值是：4,4,5,6,6,4,4,5,4。測試中的EMD神經(jīng)網(wǎng)絡里插入維度值與導入的樣本點的數(shù)目相同，再利用試湊法來選取不顯現(xiàn)部分的樣本點，同時利用 Kolmogorov理論得出了九種網(wǎng)絡的組成是:4-9-1,4-9-1,5-11-1,6-13-1,6-13-1,4-9-1,4-9-1,5-11-1,4-9-1。下表1為上述集合依據(jù)EMD&DRNN、DRNN、SVR以及ARIMA理論運算得出的評估結果和對應的審核標準數(shù)值。根據(jù)下表2得到，SVR、ARIMA和DRNN理論的評估結論和EMD&DRNN理論的評估結論相比準確度較低，又因為EMD＆DRNN理論作用下的結論其集合不長，沒有混沌性質(zhì)，因此它的評估參考數(shù)值的準確率低于真實示例1中的評估結論。

表1 Musa數(shù)據(jù)集上各模型的評估結論

表2 NTDS數(shù)據(jù)集上各模型的評估結論

3 結論

文章依據(jù)混沌分解的方法以及EMD理論對在小波改變范圍內(nèi)決定剖析大小和小波集中出現(xiàn)的問題進行了探討，利用程序的安全系數(shù)建造模型，并開發(fā)了遞歸神經(jīng)網(wǎng)絡組成，使對程序中不可利用信息及資源的評估的準確率更高。經(jīng)測試可得：這一理論的評估精準度相對較高，評估結論比之前的模型評估結論有所進步[5]。

[1]鄒豐忠,李傳湘.軟件可靠性混沌模型[J].計算機學報,2001,03:281-291.

[2]丁春光.軟件可靠性評估模塊的研究與實現(xiàn)[J].科技視界,2014,33:90-92.

The chaos theory of software reliability modeling method based on qualitative simulation

WAN Jia-hua,QIAN Li
(School of information engineering Anhui Xinhua University,Hefei Anhui 230088)

Based on empirical mode decomposition method and chaos analysis and artificial neural network theory proposed a software reliability modeling and prediction of chaotic neural network model.Research has shown,based on empirical mode decomposition and neural network and chaos analysis of reliability evaluation model of program models and a more perfect combination,accuracy of assessment results is relatively high.

Empirical mode decomposition; Software reliability model; Chaotic analysis

TP311

：A

10.3969/j.issn.1672-7304.2016.01.062

1672–7304(2016)01–0133–02

基于混沌理論的軟件可靠性定性仿真建模與方法研究(項目編號：KJ2014A100)。

（責任編輯：廖建勇）

萬家華（1980-），男，安徽霍邱人，講師，研究方向：數(shù)據(jù)挖掘、軟件可靠性。