一种基于解释结构模型知识求精的弹药消耗预测系统及其方法技术方案

本发明专利技术公开了一种基于解释结构模型知识求精的弹药消耗预测系统及其方法。该系统包括：专家知识输入模块、预测结构构建模块、模型库、数据获取模块、预测模型匹配模块、差异化结构输出模块、模型修正模块、消耗量计算模块。该方法与系统对应，由专家构建弹药消耗解释结构，将采集的预测上下文解释结构，与公式对应解释结构进行匹配，从模型库中遴选模型。并依据差异化结构构建修正规则对公式参数或消耗量进行修正，并将模型存入模型库，进而调整弹药消耗结构，完成弹药消耗量预测。本发明专利技术能将不确定的知识结构清晰化，提高了弹药消耗预测的精确度。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了。该系统包括：专家知识输入模块、预测结构构建模块、模型库、数据获取模块、预测模型匹配模块、差异化结构输出模块、模型修正模块、消耗量计算模块。该方法与系统对应，由专家构建弹药消耗解释结构，将采集的预测上下文解释结构，与公式对应解释结构进行匹配，从模型库中遴选模型。并依据差异化结构构建修正规则对公式参数或消耗量进行修正，并将模型存入模型库，进而调整弹药消耗结构，完成弹药消耗量预测。本专利技术能将不确定的知识结构清晰化，提高了弹药消耗预测的精确度。【专利说明】-种基于解释结构模型知识求精的弹药消耗预测系统及其 方法
本专利技术涉及预测系统及其方法，更特别的是与弹药消耗的预测有关，尤其涉及一 种基于解释结构模型知识求精的弹药消耗预测系统；同时本专利技术涉及上述一种基于解释结 构模型知识求精的弹药消耗预测系统的方法。
技术介绍
预测是一项重要的基本技术，准确、可靠、高效地进行弹药消耗预测是做好弹药保 障工作的关键。弹药消耗与一般物资消耗不同，其预测上下文复杂，影响因素多，要求准 确度高。当前对于弹药消耗量预测，经过对现有文献的检索发现，论文【吴伟，吴琳，下光 照.战场弹药消耗预测计算研究现状分析，加快推进国防和军队现代化和军事系统工程， PP ;273-276】，【樊胜利，田伟峰，柏彦奇.地面主战武器常规弹药消耗预测方法研究现状， 装备指挥技术学院学报，2010,21巧），口口；106-110】【樊胜利，柏彦奇，张耀坤，姚涛，面向装 备作战的弹药消耗智能预测方法，2011 (2)，25 (1)，22-27】都进行了归纳，归纳现有弹药消 耗预测系统及方法的现有技术有： 现有技术一；基于毁伤理论，借助解析公式的预测方法和系统。 经检索还发现，文献【杨绪明，陆军火力毁伤教程，解放军出版社.2007】给 出了基于目标任务量的弹药消耗预测公式，考虑到了弹药威力、毁伤幅员、目标重要性、目 标易毁性、地段幅员、毁伤程度等因素。【Williams化eeman化.S化dy of Ammunition Consumption (AD-A451782)[时.Washington, D. C.，2005】给出了基于能力的弹药预测公式， 考虑到我方实力、计划因子，作战类型。【王H喜，俞杰，夏新民，联合火力打击弹药需求计算 动态模型研究，系统仿真学报，2009, 2U9) ;2734-2736】使用兰切斯特方程法进行计算，考 虑到了兵力随时间损耗、武器射速、作战持续时间等因素。 对应于上述预测方法，预测系统在结构功能上，强调包含预测模块，是将从历史经 验而来消耗规律作为基本数据录入数据库，使用设定的模型（常为解析公式）进行预测，该 些系统预测模块使用模型公式考虑参数少，对简单的问题通过搜集少量的信息就可运用公 式计算。但公式所反映的因素关系虽被拟合，但拟合中的思维过程难W展现，所W当约束条 件发生变化时，公式就失去了可行性。一个特定的公式在一组操作条件下可提供很精确的 结果，但是在另一组操作条件下提供不太精确的结果。很多因素的变化可能导致该样的预 测不确定性，比如，提供的数据可能包含噪音，任务的条件不同。对其修正，非常困难，尤其 当因素较多、相互交织时，更难得到有价值的修正方案。公式方法对动态变化的环境适应性 差，有特定的应用背景限制，适用范围窄。而弹药消耗预测应对环境复杂，常需要应对一些 突发情况、未知情况，一旦情况发生变化，公式模型就不再适用。基于公式模型的预测系统 结构简单，预测缺乏环境适应性。 现有技术二；基于智能算法的预测方法和系统 文献【秦翔宇，宋一中，李文生，基于马尔可夫预测的低消耗弹药库存仿真建模分 析，军械工程学院学报，2005,17 (4) ;61-63】，【崔玉泉，战场弹药总量预测模型研究，系统工 程与电子技术，2007,29(4) ;585-588】采用时间序列分析方法，依据历史经验、作战样式、武 器类型和作战特点的相似性，描述各个阶段、时间区间弹药消耗量的相关性，并对下一阶段 进行预测。 文献【刘涛，彭世袭.改进BP神经网络在航空弹药预测中的应用，探测与控制学 报，2009, 31巧），52-56】，【崔冬，韩中庚，基于灰色径向基神经网络模型的弹药消耗预测】， 【黄大辰，韩京才，叶木青等，基于神经网络的弹药消耗预测，军械工程学院学报，2004(4)， 30-34】都将神经网络引入弹药消耗量预测，系统引入依赖历史样本数据的学习模块，可W 根据训练样本集拟合输入输出数据之间隐含的非线性函数关系，具有较强的环境适应能 力。 但智能方法常常需要大量的训练数据集。其具备的学习能力，使模型的准确度提 高，但获得的知识却不具有高理解性，劣势在于当许多参数需要调整时，难W确定消耗的内 在结构。环境发生变化时，也不能直接使用于下次预测。不能满足应急物资预测强调即时 预测、准确预测的需求。 运用智能方法的弹药消耗预测系统，训练数据常常依赖离线采集，其数据处理、学 习过程也通常是离线过程，耗费时间长。学习模块操作复杂，实用性不强。 总的来说，体系作战条件下，各作战要素相互依赖性增强，作战系统内部关系复 杂，使得对弹药保障的影响非线性化和复杂化。上述方法及采取W上预测方法或简单综合 几者的弹药消耗预测系统，存在准确率不高，适应性差的问题，难W适应新的历史条件下的 弹药保障的需要。
技术实现思路
本专利技术力图克服现有方法和系统存在准确率不高，适应性差的问题，提供一种基 于解释结构模型知识求精的弹药消耗预测系统，还有一种基于解释结构模型知识求精的弹 药消耗预测系统的方法。 技术方案；本专利技术是通过如下技术方案实现的，本专利技术实施例提供一种基于解释 结构模型知识求精的弹药消耗预测系统，该预测系统包括W下组成部分： 专家知识输入模块1，用于提供人机接口供专家录入弹药消耗的影响因素W及影 响因素之间的关系。 预测结构构建模块2,用于通过解释结构模型法（ISM，Interpretative Structural Modeling)形成弹药消耗的全局解释结构树。 模型库3,用于存储预设的消耗预测模型，模型表现为一组确定了输入、输出参数 的公式和规则，用于不同上下文下的弹药消耗量预测。模型库可W随着消耗因素因果性知 识的显性化，而进行调整，改变模型库中规则和公式。 数据获取模块4,用于获取预测所需的数据和有关预测上下文的参数数据。 预测模型匹配模块5,用于将预测上下文组织成解释结构树，将模型库中的模型所 涉及参数也组织成解释结构树，两者进行匹配，根据匹配的情况，选取最为接近的公式模型 用于预测。 差异化结构输出模块6,用于将模型库公式模型中尚未涉及的全局解释结构树的 一部分作为差异化结构输出。 模型修正模块7,用于对数据进行分析，得到预测公式模型的修正规则，和对整体 预测结果的修正规则。 消耗量计算模块8,用于运用最为接近的公式模型W及修正规则对消耗量进行测 算。 进一步地，预测模型匹配模块是利用树的相似度计算方法来判断两个模型的匹配 程度。 进一步地，模型修正模块，对数据采用时间序列分析、神经网络等方法来得到修正 规本文档来自技高网...

【技术保护点】
一种基于解释结构模型知识求精的弹药消耗预测系统，其特征在于，所述系统包括：专家知识输入模块，用于提供人机接口供专家录入弹药消耗的影响因素以及影响因素之间的关系。预测结构构建模块，用于通过解释结构模型法(ISM，Interpretative Structural Modeling)形成弹药消耗的全局解释结构树。模型库，用于存储预设的消耗预测模型，模型表现为一组确定了输入、输出参数的公式和规则，用于不同上下文下的弹药消耗量预测。随着消耗因素因果性知识的显性化，模型库可以进行调整，改变模型库中规则和公式。数据获取模块，用于获取预测所需的参数数据和有关预测上下文的参数数据。预测模型匹配模块，用于将预测上下文参数组织成解释结构树，将模型库中的模型所涉及参数也组织成解释结构树，两者进行匹配，根据匹配的情况，选取最为接近的公式模型用于预测。差异化结构输出模块，用于将公式模型中尚未涉及的全局解释结构树的一部分作为差异化结构输出。模型修正模块，用于对数据进行分析，得到预测模型的修正规则，和对整体预测结果的修正规则。消耗量计算模块，用于运用最为接近的公式模型以及修正规则对消耗量进行测算。

【技术特征摘要】

【专利技术属性】
技术研发人员：朱江，
申请(专利权)人：朱江，
类型：发明
国别省市：江苏;32