手机版
您的当前位置: 恒微文秘网 > 范文大全 > 专题范文 > 基于小波神经网络的装备保障方案评价方法

基于小波神经网络的装备保障方案评价方法

来源:专题范文 时间:2024-04-03 09:57:02

方正

摘要:针对当前装备保障方案评价方法科学性不高,实用性不强的问题,提出了基于小波神经网络的装备保障方案评价方法。即在作战行动仿真的牵引下,先设置基于小波神经网络的评价值,其次建立保障方案评价的指标体系,包括保障任务完成能力、资源需求满足能力、任务完成时效情况和保障装备战损程度,最后将以上评价指标量化,并进行仿真试验验证该评价方法的可行性。

关键词:小波神经网络;装备保障;评价方法

引言:装备保障是战斗力的重要组成部分,深刻影响战争结局,而战前装备保障方案的制定是实施装备保障行动的重要依据,其科学性、实用性关乎整个任务的成败。因此如何在组织作战时保障武器装备高效可靠地运行,是各级装备保障部门的重点研究目标[1]。本文基于小波神经网络的原理对装备保障方案进行评价,充分利用了评价主体结构的逻辑思维模式,降低了方案中的人为因素影响,使方案评价更具备客观性,并对该方案的装备保障体系结构综合分析,提出该方案的优点和不足,最终达到优化装备保障方案的目的。

一、基于小波神经网络的装备保障方案评价设计

(一)基于小波神经网络的评价值设置

在对方案进行评价时,首先通过小波神经网络计算各项参数在整个方案中的权重。将各项参数作为小波神经网络的输入值,则权重集合 。其中, 为第i个指标的权重[2]。通过权重集求出评价集,评价集 ,其中, 是第i个指标的评价。将评价集的结果设定为五个等级,从优到劣分别是好、较好、一般、较差、差。因此将小波神经网络的参数值代入评价集,得到5个评价值:好=[1,0,0,0,0],较好=[0,1,0,0,0],一般=[0,0,1,0,0],较差=[0,0,0,1,0],差=[0,0,0,0,1]。

(二)保障方案的评价指标体系建立

为了对装备保障方案做出评价,首先需要建立如图1所示的评价指标体系。将评价指标分为四个部分,分别是保障任务完成能力、资源需求满足能力、任务完成时效情况和保障装备战损程度,然后分别对四项指标进行评价。

首先是保障任务完成能力评价指标,这部分指标体现了保障任务成功完成的概率,通过将方案仿真运行多次获得。其次是资源需求满足能力的指标,这类指标通常用于体现各类保障资源的供需情况,包括器材、人员和弹药等对任务需求的满足程度。第三是任务完成时效的指标,采用保障时效性来衡量,反应任务完成的及时性。最后是装备自身战损程度的指标建立,这类指标反映保障装备在战场恶劣环境下的使用程度和完好率[4]。

(三)评价指标量化

假设能力指标影响因素为 ,其性能数值为 ,结合上文中的權重集合,得到影响因素的效用函数值,函数值取值区间为 。

通过上述方法即可确定该方案各项指标由好至差的评价值,从而得到最终的装备保障方案评价。

二、对比实验

以作战仿真模拟系统为基础,搭建仿真试验的环境框架,增添作战装备保障指标系数,将本文作出的评价方法作为实验组,以作战装备保障专家通过研讨得到的评价结果作为对照组,进行模拟实验,通过对比得出本文的评价方法是否准确。

(一)实验准备工作

为保障实验能够顺利进行,对系统硬件的性能进行测试。本实验使用yaahp作为软件系统,在软件中搭建跨境作战模型,其中红军为跨境作战方,蓝军为防守方。实验中共设置10组不同样本数据,以减少仿真实验中的随机性和不确定性。组织作战装备保障专家对这10组样本数据进行探讨,得出最终评价见表1对照组。

(二)实验过程

在系统软件中输入本方案的初始指标保障任务完成能力、资源需求满足能力、任务完成时效情况和保障装备战损程度。通过计算将指标量化为 的参数值,并设定5个评价值。将10组样本依次输入,开始模拟运行,并将最终得到的结果记录并进行分析。

(三)实验结果分析

以上10组样本数据得到的实验组与对照组的结果记录如下表所示。

据上表数据,在以上10组样本数据中,只有第2组的样本中对照组和实验组的评价值出现了差异,通过计算可以得出本文所用评价方法的判断错误率为10%。就整体而言,实验组的评价方法具备一定的可信度,本文研究的评价方法具备推广性。

三、结束语

现实作战中装备保障的方案评价需要结合多方面的评价指标,计算过程十分复杂。本文提出了基于小波神经网络的装备保障方案的评价指标体系只提出了其中四种最具备典型性的指标,接下来还需要设计实验将其他类型的指标也纳入到评价体系中。

参考文献:

[1]贾庆林,晋民杰,张涛,等.基于小波神经网络模型的公交客流预测[J].武汉轻工大学学报,2020,39(03):50-54.

[2]赵立坤,侯兴明.基于AHP-FCE的装备保障能力评价分析[J].科技创新与应用,2020(03):66-67.

[3]章雅楠,孙建平.基于小波神经网络的PM_(2.5)浓度预测模型[J].电力科学与工程,2020,36(01):55-61.

[4]李岩,陈云翔,罗承昆,等.基于FA-ER的装备保障资源供给能力评估方法[J].系统工程与电子技术,2020,42(03):630-637.

猜你喜欢装备保障评价方法程序设计类课程多维评价方法探索计算机教育(2016年9期)2016-12-21商用车动力性、经济性评价方法研究汽车科技(2016年6期)2016-12-19军用机器人在装备保障中的应用科技视界(2016年16期)2016-06-29我军装备军民融合式发展途径探析中国市场(2016年7期)2016-03-07RFID技术在军事器材仓储管理中的应用物联网技术(2015年10期)2015-11-10评价机制在初中英语教学中的重要性及应用探究科技视界(2015年25期)2015-09-01

恒微文秘网 https://www.sc-bjx.com Copyright © 2015-2024 . 恒微文秘网 版权所有

Powered by 恒微文秘网 © All Rights Reserved. 备案号:蜀ICP备15013507号-1

Top