装备贡献度数据分析方法、系统、存储介质、计算机设备技术方案

本发明专利技术属于数据处理技术领域，公开了一种装备贡献度数据分析方法、系统、存储介质、计算机设备，依据作战想定，确定参战的装备类型；构建作战能力指标体系；确定变量类型以及变量间的影响关系，构建装备贡献度评估的结构方程模型；采用仿真系统或其他科学的方式求解每组装备方案下的作战效能值作为观测变量值构成数据集；模型的参数估计；模型检验与修正；将SEM模型估计的参数值代入原模型方程中，转换后求解出解析模型；结合解析模型与效能指标值，计算求解每组装备方案的作战能力值；通过对作战能力值以及解析模型的对武器装备的贡献度进行分析。本发明专利技术分析流程能够良好得将定性与定量相结合，模型适配度良好，具有较强的说服力。具有较强的说服力。具有较强的说服力。

【技术实现步骤摘要】
装备贡献度数据分析方法、系统、存储介质、计算机设备


[0001]本专利技术属于数据处理
，尤其涉及一种装备贡献度数据分析方法、系统、存储介质、计算机设备。

技术介绍

[0002]目前，随着各国军事力量的不断提升和武器装备的持续发展，作战方式由单一作战转变为联合作战，武器装备也由机械化演变为信息化。以联合作战为作战方式的体系作战地位日益凸显，在联合作战为主的新作战形势下，作战规模越来越大，作战态势更加复杂，高性能武器装备的作用也越来越重要。未来装备的发展将围绕体系作战展开，而装备的贡献度将成为是否优先发展该装备的重要依据。鉴于信息化装备种类繁多，如何合理有效评价武器装备在体系中的作用成为当前亟待解决的问题。在目前现有的一些评价方法中，基于树状指标体系的研究较多，而考虑同一层指标间关联影响的较少；针对某一项作战任务评估的较多，而给出普适性评估方法的较少。存在着装备体系贡献率内涵不明、评估标准不统计、计算公式有缺陷、指标不易量化、动态评估难等问题。而本专利基于的结构方程模型方法是一种在指标之间简历定量关系的方法，给出的结果是具体的贡献率值。结构方程能够处理评估过程中不易量化或观测的指标，结构方程模型建模分析过程是动态的，每次计算只需要在之前得到的模型上调整即可，实现动态评估，可以同时处理多个潜变量及其相互关系。
[0003]通过上述分析，现有技术存在的问题及缺陷为：目前信息化装备种类繁多，如何合理有效评价武器装备在体系中的作用成为当前亟待解决的问题。
[0004]解决以上问题及缺陷的难度为：对装备体系贡献率有明确的界定，现有的很多方法有的只针对体系作战能力这一个标准而言，不够全面；有的只考虑了单一的条件约束，缺乏对其他评估条件的分析。因此全面地分析并界定体系贡献率的概念、以及全面考虑评估约束条件也成为解决此问题的难点，另外统一评估标准、确立计算公式、选取容易量化且有意义的指标、并且实现动态评估都是解决此问题的难点所在。
[0005]解决以上问题及缺陷的意义为：能够对装备体系贡献率进行更加全面的、可参考性更高的计算与分析，而体系贡献率的计算与分析可以有效地指导武器编配方案的择优和在作战中的运用，能够更快地做出战略决策，精准完成作战任务，达到作战目标。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种装备贡献度数据分析方法、系统、存储介质、计算机设备。
[0007]本专利技术是这样实现的，一种装备贡献度数据分析方法，所述装备贡献度数据分析方法包括：
[0008]依据作战想定，确定参战的装备类型，某类型下多种不同武器装备作为该装备类型可投入作战的候选武器集，所有装备类型的候选武器集的笛卡尔积构成体系作战的装备
方案空间；
[0009]以作战效能反映作战能力，构建作战能力指标体系；
[0010]基于作战能力指标体系，确定变量类型以及变量间的影响关系，构建装备贡献度评估的结构方程模型；模型构建完成后，对模型进行识别，识别的作用是判断模型参数是否可以估计；
[0011]武器装备方案空间构建完成后，采用仿真系统或其他科学的方式求解每组装备方案下的作战效能值作为观测变量值构成数据集，为装备贡献度SEM模型的求解提供数据支持；
[0012]在模型识别完成以及数据空间准备好后，进行模型的参数估计；
[0013]模型检验，包括参数检验和拟合优度检验；若模型的检验结果不理想，需要对模型进行适当修正，直至参数接受且修正后的模型符合贡献度分析的实际情况；
[0014]将SEM模型估计的参数值代入原模型方程中，转换后求解出解析模型；
[0015]结合解析模型与效能指标值，计算求解每组装备方案的作战能力值；采用相对贡献度的分析形式，通过对作战能力值以及解析模型的对武器装备的贡献度进行分析。
[0016]进一步，所述装备贡献度数据分析方法的作战想定的内容包括作战背景、参战力量、作战目标、作战结果，是对整个作战过程的描述；方案是不同类型参战装备所形成的组合，装备方案空间是多种方案所构成的方案集合；依据作战想定，确定参战的装备类型，某类型下多种不同武器装备作为该装备类型可投入作战的候选武器集，所有装备类型的候选武器集的笛卡尔积构成体系作战的装备方案空间。
[0017]进一步，所述装备贡献度数据分析方法的作战能力指标体系包括：武器装备指标体系和作战能力指标体系；武器装备指标体系获取仿真作战效能数据，为仿真系统的参数设置提供指导；作战能力指标体系用于搭建结构方程模型。
[0018]进一步，所述基于作战能力指标体系，确定变量类型以及变量间的影响关系，构建装备贡献度评估的结构方程模型；模型构建完成后，对模型进行识别，识别的作用是判断模型参数是否可以估计包括：
[0019]t规则是SEM识别中常用的规则，在SEM中，共有p+q个观测变量，产生(p+q)(p+q+1)/2个不同的协方差和方差，获得(p+q)(p+q+1)/2个不同的含未知参数的方程，只要未知参数个数满足下式，方程就是可识别的：
[0020]t＜(p+q)(p+q+1)/2；
[0021]其中，t是待估计的未知参数的个数；p是外生观测变量的个数；q是内生观测变量的个数。
[0022]进一步，所述在模型识别完成以及数据空间准备好后，进行模型的参数估计包括：参数估计值是使样本数据协方差矩阵S与预测协方差矩阵Σ(θ)差异最小的估计值，衡量差异的标准由估计方法决定，参数估计方法包括：
[0023](1)最大似然估计ML，拟合函数为：
[0024]F
ML
(S；Σ(θ))＝tr(SΣ-1
(θ))+[log|Σ(θ)|-log|S|]-(p+q)；
[0025]其中，tr是一个表明矩阵中对角线元素之和的算法；log|Σ(θ)|是Σ(θ)的决定因子的对数；
[0026](2)未加权最小二乘法ULS，拟合函数如下：
[0027]F
ULS
(S；Σ(θ))＝tr([S-Σ(θ)]2)；
[0028](3)一般最小二乘法GLS，根据S-1
对S与Σ(θ)之间的差异做加权处理，在大样本数据下，GLS的拟合函数为：
[0029]F
GLS
(S；Σ(θ))＝tr([(S-Σ(θ))S-1
]2)。
[0030]进一步，所述模型检验包括参数检验和拟合优度检验；参数检验是指通过对参数的显著性和合理性的分析来判断模型是否存在问题；拟合优度检验是通过拟合指数对模型进行检验；
[0031]模型修正，若模型的检验结果不理想，对模型进行适当修正，直至参数接受且修正后的模型符合贡献度分析的实际情况。
[0032]本专利技术的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0033]依据作战想定，确定参战的装备类型，某类型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种装备贡献度数据分析方法，其特征在于，所述装备贡献度数据分析方法包括：依据作战想定，确定参战的装备类型，某类型下多种不同武器装备作为该装备类型可投入作战的候选武器集，所有装备类型的候选武器集的笛卡尔积构成体系作战的装备方案空间；以作战效能反映作战能力，构建作战能力指标体系；基于作战能力指标体系，确定变量类型以及变量间的影响关系，构建装备贡献度评估的结构方程模型；模型构建完成后，对模型进行识别，识别的作用是判断模型参数是否可以估计；武器装备方案空间构建完成后，采用仿真系统或其他科学的方式求解每组装备方案下的作战效能值作为观测变量值构成数据集，为装备贡献度SEM模型的求解提供数据支持；在模型识别完成以及数据空间准备好后，进行模型的参数估计；模型检验，包括参数检验和拟合优度检验；若模型的检验结果不理想，需要对模型进行适当修正，直至参数接受且修正后的模型符合贡献度分析的实际情况；将SEM模型估计的参数值代入原模型方程中，转换后求解出解析模型；结合解析模型与效能指标值，计算求解每组装备方案的作战能力值；采用相对贡献度的分析形式，通过对作战能力值以及解析模型的对武器装备的贡献度进行分析。2.如权利要求1所述的装备贡献度数据分析方法，其特征在于，所述装备贡献度数据分析方法的作战想定的内容包括作战背景、参战力量、作战目标、作战结果，是对整个作战过程的描述；方案是不同类型参战装备所形成的组合，装备方案空间是多种方案所构成的方案集合；依据作战想定，确定参战的装备类型，某类型下多种不同武器装备作为该装备类型可投入作战的候选武器集，所有装备类型的候选武器集的笛卡尔积构成体系作战的装备方案空间。3.如权利要求1所述的装备贡献度数据分析方法，其特征在于，所述装备贡献度数据分析方法的作战能力指标体系包括：武器装备指标体系和作战能力指标体系；武器装备指标体系获取仿真作战效能数据，为仿真系统的参数设置提供指导；作战能力指标体系用于搭建结构方程模型。4.如权利要求1所述的装备贡献度数据分析方法，其特征在于，所述基于作战能力指标体系，确定变量类型以及变量间的影响关系，构建装备贡献度评估的结构方程模型；模型构建完成后，对模型进行识别，识别的作用是判断模型参数是否可以估计包括：t规则是SEM识别中常用的规则，在SEM中，共有p+q个观测变量，产生(p+q)(p+q+1)/2个不同的协方差和方差，获得(p+q)(p+q+1)/2个不同的含未知参数的方程，只要未知参数个数满足下式，方程就是可识别的：t＜(p+q)(p+q+1)/2；其中，t是待估计的未知参数的个数；p是外生观测变量的个数；q是内生观测变量的个数。5.如权利要求1所述的装备贡献度数据分析方法，其特征在于，所述在模型识别完成以及数据空间准备好后，进行模型的参数估计包括：参数估计值是使样本数据协方差矩阵S与预测协方差矩阵Σ(θ)差异最小的估计值，衡量差异的标准由估计方法决定，参数估计方法包括：
(1)最大似然估计ML，拟合函数为：F
ML
(S；Σ(θ))＝tr(SΣ-1
(θ))+[log|Σ(θ)|-log|S|]-(p+q)；其中，tr是一个表明矩阵中对角线元素之和的算法；log|Σ(θ)|是Σ(θ)的决定因子的对数；(2)未加权最小二乘法ULS，拟合函数如下：F
ULS
(S；Σ(θ))＝tr([S-Σ(θ)]2)；(3)一般最小二乘法GLS，根据S-1
对S与Σ(θ)之间的差异做加权处理，在大样本数据下，GLS的拟合函数为：F
GLS
(S；Σ(θ))＝tr([(S-Σ(θ))S-1
]2)。6.如权利要求1所述的装备贡献度数据分析方法，其特征在于，所述模型检验包括参数检验和拟合优度检验；参数检验是指通过对参数的显著性和合理性的分析来判断模型是否存在问题；拟合优度检验是通过拟合指数对模型进行检验；模型修正，若模型的检验结果不理想，对模型进行适当修正，直至参数接受且修正后的模型符合贡献度分析的实际情况。7.一种计算机设备，其特征...

【专利技术属性】
技术研发人员：刘立芳，侯佳琳，赵露露，齐小刚，臧敦晓，
申请(专利权)人：中国电子科技集团公司第二十研究所，
类型：发明
国别省市：