基于時(shí)間序列的軟件可靠性增長(zhǎng)模型研究.pdf

1、隨著人類(lèi)社會(huì)從工業(yè)化社會(huì)向信息化社會(huì)邁進(jìn)，計(jì)算機(jī)系統(tǒng)的可靠性問(wèn)題變得越來(lái)越重要。軟件作為計(jì)算機(jī)的靈魂，作為一種產(chǎn)品，其質(zhì)量及可靠性直接影響計(jì)算機(jī)系統(tǒng)的可靠性。由此產(chǎn)生了計(jì)算機(jī)軟件可靠性研究領(lǐng)域，并成為計(jì)算機(jī)科學(xué)的一個(gè)重要分支。軟件可靠性是指在一段特定的自然單元或時(shí)間間隔內(nèi)，軟件無(wú)失效運(yùn)行的概率。人們利用軟件可靠性增長(zhǎng)模型對(duì)軟件的可靠性特征做出定量的預(yù)計(jì)或評(píng)估。
　　本文對(duì)現(xiàn)有的軟件可靠性增長(zhǎng)模型做了深入的研究與探討，發(fā)現(xiàn)這些模型均

2、是對(duì)軟件可靠性問(wèn)題做出某些假設(shè)后而得出的，每一個(gè)模型都有自己的假設(shè)條件，這些假設(shè)是軟件可靠性模型建立的主要依據(jù)，模型的成功與否，與模型選取的假設(shè)有著很大的關(guān)系。在實(shí)際應(yīng)用中，有些假設(shè)難以滿(mǎn)足，從而限制了模型的應(yīng)用，甚至在某些情況下會(huì)得到與實(shí)際相反或不合理的模型參數(shù)。模型的參數(shù)估計(jì)大多通過(guò)極大似然法方法或最小二乘方法得到，計(jì)算比較繁瑣。另外，隨著測(cè)試數(shù)據(jù)的增多，已經(jīng)建立的模型就不再能很好的預(yù)測(cè)軟件可靠性。如何改變這一現(xiàn)狀，是對(duì)軟件可靠性模

3、型進(jìn)行深入研究的重要課題。
　　本文首先介紹時(shí)間序列的一些基本概念，逐步研究時(shí)間序列的基本特征及應(yīng)用。從軟件可靠性實(shí)測(cè)數(shù)據(jù)出發(fā)，發(fā)現(xiàn)軟件測(cè)試數(shù)據(jù)符合時(shí)間序列的基本特征，進(jìn)而探討基于時(shí)間序列建立軟件可靠性增長(zhǎng)模型的可行性。為了驗(yàn)證軟件可靠性時(shí)間序列建模的合理性，選取一個(gè)著名的軟件可靠性增長(zhǎng)模型--Goel-Okumoto模型，把它轉(zhuǎn)換成基于時(shí)間序列的軟件可靠性增長(zhǎng)模型，并用實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了模型的有效性。
　　然后本文針對(duì)軟件可靠

4、性時(shí)間序列線性建模有關(guān)問(wèn)題進(jìn)行分析。分析之前首先介紹一些基本概念，然后說(shuō)明用時(shí)間序列自回歸模型建立軟件可靠性增長(zhǎng)模型以及參數(shù)估計(jì)采用指數(shù)加權(quán)最小二乘方法的理由。在這種方法里，模型的階的確定是一個(gè)很重要的問(wèn)題，隨后討論了模型定階的方法，提出了基于時(shí)間序列的軟件可靠性模型的定階方式以及遺忘因子的選取方法。并用實(shí)測(cè)數(shù)據(jù)進(jìn)行了驗(yàn)證。
　　在前面研究的基礎(chǔ)上提出了兩類(lèi)軟件可靠性時(shí)間序列線性模型，還建立了一種基于時(shí)間序列的軟件可靠性多層增長(zhǎng)模

5、型。這種多層模型首先對(duì)失效數(shù)據(jù)進(jìn)行平滑預(yù)處理，再進(jìn)行建模，處理后的數(shù)據(jù)更能體現(xiàn)失效數(shù)據(jù)的本質(zhì)。在對(duì)實(shí)測(cè)的軟件可靠性數(shù)據(jù)進(jìn)行建模分析并進(jìn)行預(yù)測(cè)后，對(duì)軟件可靠性的評(píng)估采用模糊評(píng)估，也就是將軟件可靠性劃分為若干個(gè)等級(jí)用模糊語(yǔ)言變量來(lái)描述，確定軟件可靠性對(duì)于各語(yǔ)言變量的隸屬度，指出所在的模糊等級(jí)。模糊評(píng)價(jià)使軟件可靠性評(píng)價(jià)更為合理。
　　為了更準(zhǔn)確地對(duì)軟件進(jìn)行評(píng)測(cè)，在原有研究的基礎(chǔ)上考慮利用Kalman濾波器去除因人員環(huán)境等因素引起的噪聲，

6、提出了一個(gè)基于Kalman濾波器的軟件可靠性增長(zhǎng)模型。首先，把新建立的軟件可靠性時(shí)間序列模型轉(zhuǎn)換成狀態(tài)空間模型，然后應(yīng)用Kalman濾波器過(guò)濾噪聲，使濾波過(guò)程和參數(shù)估計(jì)過(guò)程交替進(jìn)行，進(jìn)一步提高了模型評(píng)測(cè)的準(zhǔn)確性。數(shù)據(jù)試驗(yàn)的結(jié)果表明，新提出的基于Kalman濾波器的軟件可靠性時(shí)間序列增長(zhǎng)模型在一些失效數(shù)據(jù)集上的擬合效果很好。
　　最后針對(duì)軟件可靠性時(shí)間序列非線性建模展開(kāi)研究。在基于實(shí)測(cè)數(shù)據(jù)進(jìn)行時(shí)間序列建模時(shí)，發(fā)現(xiàn)非線性是普遍存在的，