基于改进证据理论的数字孪生可信度评估方法研究

针对数字孪生技术因复杂性和高动态性导致的评估难题，研究人员提出一种基于改进证据理论（DSET）的可信度评估方法。通过云模型统一多源异构数据的基本概率分配（BPA），结合证据充分性与指标重要性优化冲突处理机制，实验表明该方法显著提升评估精度，为数字孪生系统设计提供可靠依据。

　　

随着数字孪生（Digital Twin）技术在通信网络建模与优化中的广泛应用，其可信度评估成为制约技术落地的关键瓶颈。物理建模误差、参数漂移和动态环境干扰导致传统评估方法难以应对多源异构数据的融合挑战，尤其在高冲突证据场景下，经典概率论和模糊集理论存在先验分布依赖性强、冲突建模能力不足等缺陷。

为突破这一困境，中国国家自然科学基金资助的研究团队在《Simulation Modelling Practice and Theory》发表论文，创新性地将改进证据理论（DSET）引入数字孪生评估领域。该方法通过三阶段技术路线实现突破：首先采用云模型将异构指标转化为统一的基本概率分配（BPA）；其次基于Jousselme距离量化证据冲突度，结合Shapley值动态分配证据权重；最后利用置信熵（Belief Entropy）优化不确定性表达。实验验证显示，该方法在数字孪生网络（DTN）场景中冲突处理准确率提升32.7%，显著优于传统VV&A（Verification, Validation & Accreditation）方法。

关键技术方法
研究整合了云模型的异构数据标准化、DSET框架下的多证据融合、基于合作博弈论的Shapley值权重分配三大核心技术。通过构建包含传感器数据、专家知识和环境参数的多维度评估体系，采用Jousselme距离矩阵量化证据间差异，并引入Pignistic概率转换实现决策输出。

研究结果
Preliminaries
系统阐述了DSET的核心优势：无需先验概率分布即可处理未知命题，通过BPA同时表达信息模糊性与不确定性，其Dempster组合规则为多源冲突提供形式化解决方案。

Credibility evaluation method
提出四层评估框架：1）基于云模型的指标标准化；2）证据冲突检测（Jousselme距离²）；3）Shapley值权重修正；4）加权Dempster融合。实验证明该方法使高冲突场景下的评估稳定性提升41.2%。

Experimental results and analysis
在DTN仿真中，对比传统方法：1）冲突证据处理误差降低至0.15±0.03；2）动态权重调整使专家评估一致性系数（Kappa）达0.82；3）云模型转化使异构数据融合效率提升3.8倍。

Discussion
重点解析了证据充分性因子δ对结果的影响机制：当δ>0.7时，系统对异常证据的鲁棒性显著增强。Shapley值分配相比熵权法更符合实际网络拓扑重要性分布，在5G切片场景中权重误差减少19.4%。

Conclusion
该研究构建了首个贯穿数字孪生全生命周期的动态评估体系，其创新点在于：1）突破传统VV&A对静态数据的依赖；2）建立证据可靠性-冲突度-不确定性的三维量化模型；3）为通信网络数字孪生的实时可信度监测提供普适框架。未来研究将拓展至跨模态数据融合与边缘计算场景的应用验证。