128 / 2024-07-10 20:10:57

基于增量数据的武器装备体系作战效能评估

增量数据,置信规则库,作战效能评估,武器装备体系

五、体系试验与评估 > 3.体系作战试验与评估

随着现代科技与作战理念的不断进步，现代战争呈现出武器装备种类复杂，运用灵活，制胜手段丰富等特点^[1]。因此，对作战过程中武器装备发挥的作战效能进行精确评估成为制胜的关键。但在现代战争中，作战任务多结合动态性作战活动，在作战过程中会产生大量的数据，且由于战场环境的不确定性，导致产生的数据具有不完整和模糊的特点。因此，如何运用作战过程中产生的增量数据对武器装备体系作战性能进行动态的评估成为一个难题。常见的作战效能评估方法包括结构方程模型、作战环、神经网络、层次分析法等^[2]。这些方法能够刻画指标与效能之间的非线性关系，但存在评估主观性强，评估结果可解释性差，无法动态的揭示作战活动中装备作战效能的变化情况，需存储的数据资源庞大，无法泛化到新数据等问题。针对上述问题，本文提出一种基于增量数据的武器装备体系作战效能评估方法。首先，考虑装备体系作战效能评估的目标性以及评估的全面性，采用目标分解法^[3]，同时借鉴ADC(Availability，Dependability and Capability) 法的思想^[4]，采用作战能力和作战适用性两个指标作为评价装备体系作战效能的综合评估指标，分析影响综合指标的主要因素确定单项效能指标，而后对单项效能指标进行分解直到指标达到可测的要求。该指标体系构建方法充分考虑指标体系构建中的目的性，整体性，可度量性，可测性原则，能够达到全面评估的需求^[4]。在已构建指标体系的基础之上，采用置信规则库 (Belief rule-based, BRB) 对武器装备体系作战效能进行评估。置信规则库是一种智能化专家系统，可采用知识与数据混合驱动的方式构建，能够有效整合评估中存在的定量数据与定性知识^[5]。带信度结构的IF-THEN规则使置信规则库能够处理包含模糊、不完整或不确定性信息的数据，同时其结果具有较强的可解释性；基于数据驱动法优化模型参数使其能够解决单纯依靠专家知识建模时存在的主观性较强的问题，较好地贴合武器装备体系评估的非线性与复杂性特点^[6]。依据构建的指标体系，结合专家经验构建置信规则，然后使用智能优化算法对模型参数进行训练以提高评估结果的准确性^[7]。在上述基于置信规则库的武器装备体系作战效能评估模型的基础上，为有效提高评估模型的适应性与对新数据的泛化能力，使用基于增量数据驱动的模型优化策略^{[8], [9]}。首先依据预先设计的特征空间动态划分机制，将持续涌入的数据流中的特征划分为历史已知特征与新出现特征两类^[10]。然后利用模型从历史数据中积累的知识对历史已知特征进行处理，该过程不仅巩固了模型对历史知识的掌握还提高了其处理历史已知特征的稳定性。其次使用特征融合策略，将模型处理后的结果作为历史知识的一种表示与新到达特征数据融合作为更新模型的输入数据以此驱动模型实现新知识的学习整合。为保证学习的连续性，进行知识的存储与更新，维护模型的动态平衡^[11]。这种处理方法使得模型的每次更新都依赖于历史知识与新数据，在保留历史知识的同时提高了模型对新数据的泛化能力，同时模型的更新依赖于带有时间序列的增量数据，动态地展现了作战效能的变化情况并且减少了数据存储所需的资源。最后，为了验证本文所提方法的有效性和可行性，本文选取某型号无人机作为实验对象进行案例分析，通过实时采集该型装备在作战活动中的增量数据，并利用本文所提方法进行作战效能评估分析。实验结果表明，该方法不仅能够准确地反映装备作战效能的变化情况，还能够为装备性能的提升与作战保障体系的优化提供有力的数据支撑与决策依据，为武器装备体系作战效能评估领域的研究与实践提供了新的思路与方向。本文所提方法充分考虑战场环境的复杂性与不确定性对评估结果的影响，通过动态调整评估模型与参数，实时反映武器装备作战效能的变化，为决策者提供及时、准确的决策支持。此外，该方法还具有较强的解释性，能够追溯评估过程中各因素之间的相互作用与影响路径，有助于辅助决策者理解评估结果背后的逻辑与依据。