宋 超，賈亦卓，王東軍，劉洪甜，紀(jì) 兵

(陸軍裝甲兵學(xué)院 兵器與控制系，北京 100072)

0 引言

隨著新軍事變革的深入，大批新概念武器項目加速設(shè)立,對研發(fā)周期、技戰(zhàn)術(shù)水平等方面提出了更高的要求,其研發(fā)過程中的安全風(fēng)險也隨之增大。為確保兵器使用的安全性，必須要提前進(jìn)行高強(qiáng)度的預(yù)測試驗。試驗過程中存在許多不穩(wěn)定因素，可能造成嚴(yán)重的危害。風(fēng)險評估在對安全至關(guān)重要的行業(yè)中起著主要作用，但其同時面臨一系列挑戰(zhàn)，如技術(shù)的進(jìn)步及需求的增長等。近年來，深度學(xué)習(xí)強(qiáng)大的數(shù)據(jù)處理能力深受國內(nèi)外學(xué)者的廣泛關(guān)注，已運(yùn)用于不同領(lǐng)域的各類風(fēng)險評估中，如金融風(fēng)險管理、相關(guān)疾病風(fēng)險評估、航空安全風(fēng)險評估、原油市場評估等領(lǐng)域[1]。

射擊試驗中存在的事故隱患多，各種操作危險系數(shù)大，極易發(fā)生安全事故，因此要保證射擊試驗安全順利高效有序進(jìn)行，就必須要加強(qiáng)訓(xùn)練中的安全管理，使其處于一個安全平穩(wěn)的狀態(tài)是射擊試驗安全管理的最終目標(biāo)。由于射擊試驗過程中存在許多不確定性，研究人員正嘗試制定更準(zhǔn)確全面的危險因素提取標(biāo)準(zhǔn)，但能否試驗出提高風(fēng)險評估模型性能的危險因素標(biāo)準(zhǔn)還需深入研究。本文采用深度學(xué)習(xí)中量子門線路模型對射擊風(fēng)險進(jìn)行評估并評價其性能，希望能夠為射擊試驗的安全風(fēng)險評估及管理提供理論參考依據(jù)。

1 射擊試驗安全風(fēng)險評價方法

我國頒布的《生產(chǎn)過程危險和危害因素分類與代碼》(GB/13861-2009)將造成危險的因素分為4個方面：人為因素，包括心理、生理性有害因素和行為性有害因素等；物的因素，包括化學(xué)性有害因素、物理性有害因素和生物性有害因素；環(huán)境因素，包括室內(nèi)、室外、地上、地下、水上、水下等各類作業(yè)施工環(huán)境；管理因素，包括管理不善、組織機(jī)構(gòu)不健全、缺乏事故應(yīng)急預(yù)案等等。本文將基于以上四個方面的因素，結(jié)合射擊試驗中容易造成危險因素的實際進(jìn)行相關(guān)分析。

目前常見的安全風(fēng)險評價方法主要有兩種：1)初步危險分析法(PHA法)，主要是指在進(jìn)行某項活動之前，概略的分析系統(tǒng)可能存在的危險因素、可能造成危險轉(zhuǎn)化為現(xiàn)實的條件和危險事故出現(xiàn)后可能造成的后果的系統(tǒng)安全分析方法。其主要功能是鑒別造成危險的原因，識別與系統(tǒng)相關(guān)的主要危害，評估事故造成的后果以及提出控制或消除危險的防護(hù)措施；2)作業(yè)條件危險評價法(LEC法)，主要是指對在可能有危險出現(xiàn)的環(huán)境中作業(yè)時的危險性進(jìn)行半定量化評價的方法[2]，這種方法相對來說更為便捷。其影響因素包括：安全事故出現(xiàn)的概率高低(Likelihood, L)、人員身體出現(xiàn)在危險環(huán)境中的頻率(Exposure, E)、事故發(fā)生后可能造成的后果(Criticality，C)，以現(xiàn)場作業(yè)條件為基礎(chǔ)，由專家按各自標(biāo)準(zhǔn)的相關(guān)規(guī)定給L、E、C分別打分，計算各組分值的平均分作為各自得分，而后利用危險性分值(D)來評價危險等級[3]，作業(yè)條件危險性公式為：D=L*E*C。但由于該方法主要依據(jù)專家經(jīng)驗來劃定危險程度等級及確定三個因素的分?jǐn)?shù)值，因而具有局限性，應(yīng)根據(jù)具體情況適當(dāng)調(diào)整該評價。

本文采用LEC法合并模糊評價法，對射擊試驗風(fēng)險進(jìn)行評價并提出控制措施。選擇包含科研項目、專業(yè)技術(shù)管理及安全管理相關(guān)專家通過專家打分真實有效反映其危險性，作業(yè)條件危險性相關(guān)因素分?jǐn)?shù)如表1所示。

表1 影響因素取值標(biāo)準(zhǔn)

通過計算的得到作業(yè)條件危險性，并對應(yīng)相應(yīng)風(fēng)險指數(shù)R，如表2所示。

表2 危險等級劃分標(biāo)準(zhǔn)

通過對射擊試驗5個崗位危險因素及其可能性分析射擊試驗危險性，將危險性大、可能造成后果比較嚴(yán)重的崗位進(jìn)行相關(guān)危險因素提取，并進(jìn)行管理和控制，根據(jù)LEC法結(jié)合模糊評價法定量分析各崗位危險程度，如表3所示。

表3 5個崗位LEC法專家評估打分平均值

結(jié)果顯示彈藥管理和火炮射擊2個崗位危險程度得分均大于160分，處于高度危險，而靶場測試崗位危險分值為38.4分，處于可能危險，需要觀察。后勤保障和機(jī)械維修兩個崗位分值均在2分以下，基本沒有危險性。所以要重點加強(qiáng)對火炮射擊和彈藥管理2個崗位的安全管理。

2 量子門線路神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)

量子信息技術(shù)能處理具有不確定性及數(shù)據(jù)量大的數(shù)據(jù)量問題，并提高數(shù)據(jù)處理的準(zhǔn)確性和算法的執(zhí)行效能[4]。Shao(2020)等人的研究顯示，如果運(yùn)用多位受控非門和一位相移門的相通性，可以完成n量子比特狀態(tài)空間的任何兩級計算，任一量子門線路可分解為多位受控非門及一位相移門的乘積形式[5]。因此，本文利用兩者的相通性，在本文所提的神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上運(yùn)用于射擊試驗安全風(fēng)險評估中，實現(xiàn)對于評估計算的優(yōu)化。其量子門線路如圖1所示。

圖1 量子門線路

|y〉=Cn(X)(R(|x1〉))?|0〉

通過上述量子門線路，建立量子門線路神經(jīng)網(wǎng)絡(luò)模型，如圖2所示。該量子門線路神經(jīng)網(wǎng)絡(luò)模型分為三層，即網(wǎng)絡(luò)輸入層、隱藏層以及輸出層。

圖2 量子門線路神經(jīng)網(wǎng)絡(luò)模型

|x1〉,|x2〉,…,|xn〉,|xi〉(i=1,2,…,n)表示輸入層量子位，其經(jīng)相移門旋轉(zhuǎn)后，控制隱藏層量子位的翻轉(zhuǎn)。|h1〉,|h2〉,…,|hp〉,|hj〉(j=1,2,…,p)表示隱藏層的輸出，其經(jīng)相移門旋轉(zhuǎn)后，控制輸出層量子位的翻轉(zhuǎn)，|y1〉,|y2〉,…,|ym〉表示為輸出層的輸出。每層深度學(xué)習(xí)算法與輸出描述如下：輸入的量子位表示為|xi〉=cosθi|0〉+sinθi|1〉(i=1,2,…,n)，每層將量子位狀態(tài)|1〉的概率幅作為該層的實際輸出。隱藏層與輸出層的實際輸出hj和yk表示為：

梯度下降法計算得出誤差E對旋轉(zhuǎn)角θij和ψjk的偏導(dǎo)數(shù)為：

更新上述公式表示為：

可得迭代序列{θij(t)}與{ψik(t)}在[α,α+2π]存在周期性全局最優(yōu)解，α為任意整數(shù)。因此，本研究模型有許多全局吸引子及最優(yōu)解的數(shù)量，提高了網(wǎng)絡(luò)的收斂速度及精度。

3 網(wǎng)絡(luò)訓(xùn)練過程

3.1 建立風(fēng)險評估指標(biāo)模型

風(fēng)險評估指標(biāo)體系模型如圖3所示。

圖3 風(fēng)險評估指標(biāo)體系模型(M)

一級指標(biāo)Mi=(i=1,2,…,m)需要依靠上層M的數(shù)據(jù)支撐，而二級指標(biāo)Mij(i=1,2,…,m,j=1,2,…,n)也是受到相應(yīng)上級指標(biāo)的支撐，進(jìn)而不斷演化形成一個由上至下的結(jié)構(gòu)模型。各指標(biāo)之間相互獨立，存在明顯的交叉、規(guī)避包含及隱含關(guān)系，這樣就能夠保證各評估指標(biāo)之間的獨立性，以更好地反應(yīng)系統(tǒng)中存在的問題。其包含一級指標(biāo)a,b、二級指標(biāo)ab,ac則所選取的指標(biāo)之間應(yīng)滿足如下關(guān)系：

ifa≠b?Ma∩Mb=φ(a,b=1,2,…,m)

射擊試驗是一個由操作人員、試驗設(shè)備、安全管理和環(huán)境條件4個因素組成的綜合系統(tǒng)，它們之間既相互聯(lián)系又互相制約。要建立一套合理的評價體系，就應(yīng)當(dāng)充分體現(xiàn)出射擊試驗的運(yùn)作特點和各個安全管理因素之間的內(nèi)在關(guān)系，比較準(zhǔn)確地評估出射擊試驗安全水平的現(xiàn)狀，并指明未來改進(jìn)方向。依據(jù)GB/T13861-2009《生產(chǎn)過程危和危害因素分類與代碼》和GB 0441-86《企業(yè)職工傷亡事故分類標(biāo)準(zhǔn)》進(jìn)行的風(fēng)險評估檢查，依據(jù)國家推薦標(biāo)準(zhǔn)(GB/T 27921-2011)風(fēng)險管理、風(fēng)險評估技術(shù)，運(yùn)用系統(tǒng)的方法對射擊試驗中的各種危險因素進(jìn)行全面分析，構(gòu)建射擊試驗安全風(fēng)險評估體系如圖4所示。在所構(gòu)建的射擊試驗層次模型中，主要包括目標(biāo)層、準(zhǔn)則層以及因素層，最下方的因素層為上層評估提供基礎(chǔ)。

圖4 射擊試驗安全風(fēng)險評估指標(biāo)體系

以彈藥管理崗位為例，根據(jù)GB/T13861-2009《生產(chǎn)過程危和危害因素分類與代碼》相關(guān)標(biāo)準(zhǔn)及要求將彈藥管理有關(guān)安全風(fēng)險因素進(jìn)行展開和分析。

3.2 數(shù)據(jù)預(yù)處理

根據(jù)上文構(gòu)建的風(fēng)險評估模型，對射擊試驗過程中的各類影響因素進(jìn)行檢查與測試以獲得評估數(shù)據(jù)。評估數(shù)據(jù)分為定性指標(biāo)數(shù)據(jù)與定量指標(biāo)數(shù)據(jù)，對各種數(shù)據(jù)進(jìn)行一定程度的預(yù)處理，可以提升風(fēng)險評估的計算便利性。對于定性指標(biāo)而言，數(shù)據(jù)預(yù)處理是為完成指標(biāo)的量化，消除指標(biāo)的描述差異；對定量指標(biāo)而言，數(shù)據(jù)預(yù)處理是為了去量綱化，消除指標(biāo)之間的量綱差異。

1)標(biāo)度量化法:

通過該方法將定性指標(biāo)數(shù)據(jù)進(jìn)行量化，將定性指標(biāo)分為n個等級，表示為a1,a2,…,an，采用五級打分進(jìn)行分類，如表4所示。定性指標(biāo)可分為正向、逆向指標(biāo)。正向指標(biāo)是當(dāng)屬性值越大時，性能越好。

表4 分級指標(biāo)梯度

2)特征向量量化法:

假設(shè)有n個指標(biāo)數(shù)據(jù)A1,A2,…,An，其對應(yīng)的權(quán)重分別為ω1,ω2,…,ωn，通過對任意兩個權(quán)重進(jìn)行比較而得到了數(shù)據(jù)權(quán)重的比值矩陣A如公式(4)所示:

AW=nW

其中：W表示矩陣A的最大特征向量與特征根所對應(yīng)的權(quán)重矩陣，通過上式得到權(quán)重的排序結(jié)果，進(jìn)一步將指標(biāo)數(shù)據(jù)進(jìn)行量化操作。

3)極差變換法:

假設(shè)存在指標(biāo)數(shù)據(jù)x1,x2,…,xn，需要通過以下公式進(jìn)行變化：

yi∈[0,1]，對定量指標(biāo)數(shù)據(jù)來說，1表示最好屬性值，0表示最差屬性值。

3.3 進(jìn)行評估分析

為降低系統(tǒng)的復(fù)雜度，將風(fēng)險評估模型進(jìn)行拆分，對數(shù)據(jù)樣本進(jìn)行預(yù)處理操作之后，將量子態(tài)描述作為網(wǎng)絡(luò)輸入向量。神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和測試后得到組合神經(jīng)網(wǎng)絡(luò)并進(jìn)行射擊試驗的整體風(fēng)險評估，將射擊試驗拆分為d個子系統(tǒng)Si(i=1,2,…,d)，子系統(tǒng)中的輸入層為射擊試驗各安全風(fēng)險因素的屬性值xij(i=1,2,…d,j=1,2,…,n)；ωio(i=1,2,…d,o=1,2,…,m)表示隱藏層連接權(quán)重；最終的輸出層為單節(jié)點輸出，輸出計算得到的風(fēng)險值yil(i=1,2,…d,l=1,2,…,k)；最終計算得出射擊試驗整體的安全風(fēng)險值Y。風(fēng)險評估指標(biāo)模型的目標(biāo)層、準(zhǔn)則層及因素層分別對應(yīng)于組合神經(jīng)網(wǎng)絡(luò)中的輸出層、隱藏層及輸入層[6]。

網(wǎng)絡(luò)隱藏層神經(jīng)元個數(shù)取值如下：

l=log2n

圖5 射擊試驗安全風(fēng)險評估過程

4 仿真實驗與分析

4.1 實驗組織

仿真實驗環(huán)境采用 CPU 型號為 Pentium G640，Matlab2014b，操作系統(tǒng)為 Windows7，內(nèi)存為8 GB的計算機(jī)設(shè)備對本文提出的量子門線路神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行性能比較[7]。通過對彈藥管理的相關(guān)信息安全進(jìn)行分析，對其潛在的風(fēng)險因素進(jìn)行評估，進(jìn)而驗證本文所提出風(fēng)險分析方法的可靠性及有效性。彈藥管理安全(2S)主要包含以下7個引起危險的因素，分別為攜帶火種或通信設(shè)備(1x )、弾藥堆放不符合規(guī)范或超量(2x )、防護(hù)堤內(nèi)有可燃物(3x )、人員無證上崗或未培訓(xùn)(4x )、管理制度不健全(5x )、消防設(shè)備設(shè)施損壞(6x )、彈藥開箱、搬運(yùn)等未按規(guī)定使用(7x)。將筆者在日常射擊試驗安全檢查中所得到的數(shù)據(jù)作為后續(xù)安全分析中的對象，進(jìn)而得到評估樣本，選取其中10組為訓(xùn)練集，5組為測試集，期望輸出根據(jù)國家推薦標(biāo)準(zhǔn)GB/T13861-2009《生產(chǎn)過程危和危害因素分類與代碼》和GB-T6441-1986-1《企業(yè)職工傷亡事故分類》綜合評價給出。

構(gòu)建子系統(tǒng)彈藥管理安全(2S )的三層網(wǎng)絡(luò)模型，在輸入層中的7個神經(jīng)元節(jié)點對應(yīng)接收風(fēng)險因素表示為xi(i=1,2,…,7)；根據(jù)公式l=log2n可以得到隱藏層神經(jīng)元個數(shù)，即i= log27≈3 。因此，本研究神經(jīng)網(wǎng)絡(luò)為 7-3-1 的三層結(jié)構(gòu)，其最大迭代步數(shù)為1 000，訓(xùn)練誤差精度為 0.000 1。最后與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對比實驗，選擇不同的網(wǎng)絡(luò)學(xué)習(xí)速率，即0.3、0.5、0.8 以及1.0，在蓄念過程中，如果訓(xùn)練得出的誤差小于實驗設(shè)定誤差精度，或者實驗收斂過程中的迭代次數(shù)達(dá)到起始設(shè)定的最大迭代次數(shù)時，訓(xùn)練完成，分析仿真實驗結(jié)果。

4.2 實驗結(jié)果分析

4.2.1 不同學(xué)習(xí)效率中兩種神經(jīng)網(wǎng)絡(luò)的迭代步數(shù)的比較

通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練可以發(fā)現(xiàn)，當(dāng)學(xué)習(xí)速率為1.0時，其性能曲線如圖6所示。

圖6 學(xué)習(xí)速率為1.0 的網(wǎng)絡(luò)訓(xùn)練性能曲線

實驗結(jié)果得出：兩者均能夠進(jìn)行有效收斂，而對于不同的學(xué)習(xí)速率，其迭代次數(shù)也有較大區(qū)別，如表5所示。

表5 不同學(xué)習(xí)速率網(wǎng)絡(luò)迭代步數(shù)

由上述結(jié)果可以看出，本文提出的神經(jīng)網(wǎng)絡(luò)在不同學(xué)習(xí)速率下，其迭代步數(shù)分別為28、16、14和12；而以往傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時，不同學(xué)習(xí)速率對應(yīng)的迭代步數(shù)分別為52、27、23和18?？梢?，本文提出的基于量子門線路神經(jīng)網(wǎng)絡(luò)能夠更快的收斂，提高了訓(xùn)練效率。

4.2.2 兩種神經(jīng)網(wǎng)絡(luò)評估樣本風(fēng)險結(jié)果

由上述結(jié)果可知，兩種神經(jīng)網(wǎng)絡(luò)在評估樣本風(fēng)險時都表現(xiàn)出了較好的性能，其預(yù)測結(jié)果如圖7所示。

圖7 兩種神經(jīng)網(wǎng)絡(luò)風(fēng)險評估測試結(jié)果

通過比較傳統(tǒng)BP網(wǎng)絡(luò)與基于量子門線路神經(jīng)網(wǎng)絡(luò)的誤差值可以發(fā)現(xiàn)，其最小誤差值分別為0.002 5、0.006 5，最大誤差分別為0.017 2、0.049 2?？梢姡疚臉?gòu)建的量子門線路神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時產(chǎn)生的誤差更小，其風(fēng)險預(yù)測能力相對來講更高，計算結(jié)果如表6所示。

表6 兩種神經(jīng)網(wǎng)絡(luò)輸出風(fēng)險誤差

在比較其最大、最小誤差的基礎(chǔ)上，對本文采取的基于量子門線路神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的BP網(wǎng)絡(luò)兩種風(fēng)險預(yù)測方法的平均相對誤差也做了比較，其數(shù)值分別為2.39%、3.71%，計算結(jié)果如表7所示。從結(jié)果來看，基于量子門線路神經(jīng)網(wǎng)絡(luò)在預(yù)測其風(fēng)險時精度更高。

表7 風(fēng)險預(yù)測相對誤差 %

5 結(jié)束語

隨著量子信息理論的不斷發(fā)展和深入研究，引導(dǎo)了不同領(lǐng)域信息理論的建設(shè)，并構(gòu)建了一個嶄新的理論架構(gòu)，推動著科學(xué)理論和信息技術(shù)的不斷發(fā)展[8]。本文以射擊試驗安全檢查所得到的數(shù)據(jù)作為后續(xù)實驗的數(shù)據(jù)集，利用深度學(xué)習(xí)方法構(gòu)建量子門線路的網(wǎng)絡(luò)模型，進(jìn)一步研究了射擊試驗的風(fēng)險評估方法。最后利用仿真實驗，驗證了本文所提方法的有效性，且其收斂速度更快、數(shù)據(jù)處理復(fù)雜度低及風(fēng)險預(yù)測性能更佳，為射擊試驗相關(guān)管理人員評估試驗危險及制定措施提供了理論依據(jù)。