基于门控循环单元指挥控制网络结构和关键节点预测方法OA

指挥控制网络是现代无人智能指挥与控制系统的核心,其结构和关键节点的动态变化对网络性能和对抗能力具有重要影响。针对传统方法难以捕捉复杂时间依赖性和周期性变化的问题,提出了基于门控循环单元(Gated Recurrent Unit,GRU)的指挥控制网络结构和关键节点预测方法。基于通信侦察数据构建二维数据集,包括网络结构编号和关键节点编号。通过滑动窗口技术从数据集中提取指定积累时长的数据样本,并将其分割为训练集和测试集。在模型训练阶段,利用不同积累时长的遍历分析,结合不同积累时长下的准确率选择最优积累时长及对应的网络参数,优化了模型的预测性能。对新侦察数据按照最优累积时长拼接,并利用训练好的GRU模型进行预测,输出网络结构编号和关键节点编号,实现了对动态网络的精准建模与分析。研究结果表明,该方法能够有效捕捉指挥控制网络的动态变化规律,提升关键节点识别的准确性和实时性,为复杂电磁环境下的网络对抗提供了重要支持。