一种基于神经网络的保障能力评估方法及其应用技术

基于神经网络的装备保障能力评估方法及其应用，包括如下步骤：步骤1：结合待评估部队的使命任务和装备体系编配构建指标体系；步骤2：利用AHP方法为能力指标确定初始权重；步骤3：搭建神经网络，并通过实装演训和仿真推演数据训练神经网络；步骤4：计算得到待评估部队的装备保障能力评估值。本发明专利技术利用AHP方法为能力指标确定初始权重；搭建神经网络，并通过实装演训和仿真推演数据训练神经网络；计算得到待评估部队的装备保障能力评估值。待评估部队的装备保障能力评估值。待评估部队的装备保障能力评估值。

【技术实现步骤摘要】
一种基于神经网络的保障能力评估方法及其应用


[0001]本专利技术涉及一种评估方法，尤其是涉及一种基于神经网络的保障能力评估方法及其应用。

技术介绍

[0002]随着军事斗争准备的不断深入，装备保障能力逐渐成为保证部队战斗力稳定的重要基础，针对装备保障能力的评估分析则成为了军事领域中的研究热点。世界各军事强国先后开展了装备保障能力评估相关研究，俄罗斯与美国将装备保障能力评估放在十分重要的位置上，早在上世纪美国在新研制的型号装备立项时就必须提出相应的能力指标，并在装备保障能力评估领域提出了许多相关的评估模型，具体有AIRNC体系能力评估模型、海、空军体系能力评估模型，在其提出的空军体系能力评估模型中，将系统的能力抽象为系统可靠性、完成任务的能力、实用性三个变量的函数，这种函数化的思想迅速在美军内部进行推广，陆军和海军也相继开展了相关方向的研究。俄罗斯也在能力评估上投入了巨大的人力、物力、财力，随着研究工作的不断深入，其研究方向不断拓展，包含了能力的选择标准、能力评估的内容及方法、装备不同时间段对应的能力评估方法；运用统计学的思想来进行武器装备能力的评估。
[0003]目前，国内的装备保障能力评估常用的方法大多为传统的专家打分法、层次分析法等，这些方法已经为各类部队装备体系建设发展提供了有力的支撑。但通过近年来的研究工作，研究人员也逐渐发现传统的评估方法存在主观因素过多、非线性拟合性较差等缺点。
[0004]此外，现有技术，如CN107944694A公开了一种面向作战性能的装备保障运行过程分析方法，包括：构建装备保障任务—力量—方式—行动匹配关系方法；预判装备保障关节点，实现战场保障指挥控制方法；监控装备体系作战性能，实现对装备保障行动目标的实时化调控方法。
[0005]CN109660418A涉及一种基于神经网络的机动通信台站通信保障能力评估方法、系统及电子设备。包括：数据预处理：输入机动通信台站的各项数据，对数据进行归类划分，生成特征属性；自学习训练：获得通信台站设备开设运行的特征属性以及效果评估作为样本，基于模糊神经网络进行训练，生成数据评估模型；数据评估：利用数据评估模型对设备属性进行评估分析，然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集成，生成综合评价结果。本专利技术可以有效避免集成时的信息丢失，同时对通信保障能力作出科学的评估，有效提高了评估结果的准确性。
[0006]CN112990501A公开了一种基于Delphi
‑
FCE的通用车辆装备维修保障能力评估方法，该方法包括以下步骤：S1、建立基于Delphi的通用车辆装备维修保障能力评估指标体系；S2、建立通用车辆装备保障能力的综合评估模型；S3、通过上述综合评估模型对通用车辆装备维修保障能力进行评估。本专利技术建立了通用车辆装备保障能力的综合评估模型，获得了更加科学化和合理化评估结果；此外，本专利技术通过评估某单位的通用车辆装备的维修
保障能力，验证了所提方法的正确性，结果表明用本专利技术方法建立的评估指标客观有效、科学合理，所得的评估结果更加精确，对装备效能评估和加强车辆装备维修保障能力建设具有指导性意义。
[0007]CN113947332A公开一种地下工程综合保障能力的评估方法及系统，通过建立LSSVM预测网络对地下工程综合保障能力进行评估，通过视野和步长自适应设定以及引入精英反向学习机制改进人工鱼群算法，使基本的人工鱼群算法更加具有应用性，之后利用优化后的人工鱼群算法得到LSSVM预测网络的最优参数，利用最优参数对LSSVM预测网络进行训练，得到IAFSA
‑
LSSVM模型。最后，利用IAFSA
‑
LSSVM模型对地下工程综合保障能力进行评估，相比未改进的模型，本专利技术提出的方法，评估效果更好，评估更为准确。
[0008]虽然上述现有技术都涉及到保障能力评估，但是，上述现有技术没有充分利用神经网络对于非线性函数拟合效果，不能解决各指标之间的非线性关系，不能很好的消除传统AHP方法中人工主观因素对于权重所造成的误差，提高评估结果的可信性。

技术实现思路

[0009]为了解决上述缺陷，本专利技术公开一种基于神经网络的保障能力评估方法，其技术方案如下：基于神经网络的装备保障能力评估方法，包括如下步骤：步骤1：结合待评估部队的使命任务和装备体系编配构建指标体系步骤1基于对待评估部队的装备保障行动及需求分析，综合实装和仿真系统的数据采集方式与方法，聚焦需求分析的六大能力，按照技术准备能力、维护保养能力、保障指挥能力、抢救抢修能力、器材供应能力、弹药供应能力逐项细化，参照指标体系的构建原则与标准，围绕待评估部队的具体装备保障体系配置，构建适用于实装演习、计算机仿真抑或是二者相结合模式的评估指标体系。
[0010]步骤2：利用AHP方法为能力指标确定初始权重基于步骤1所构建的评估指标体系，采用AHP（层次分析法）确定各层指标权重，首先构造判断矩阵，计算相对重要度，通过特征值法求解特征根与特征向量，将结果进行一致性检验，求解得到一级能力指标值，并将每层指标权重按该方法求解。
[0011]步骤3：搭建神经网络，并通过实装演训和仿真推演数据训练神经网络以步骤2利用AHP所确定的指标权重为基础，基于各类部队积累的实装、仿真历史数据，基于评估指标体系构建了相应的BP神经网络，利用深度人工神经网络对非线性因素具有很好的逼近效果，来对经过AHP法确定权重进行修正，以此使评估结果更加可信、实用。
[0012]步骤4：计算得到待评估部队的装备保障能力评估值。
[0013]利用python语言和keras实现步骤3所构建的神经网络结构，python语言是跨平台的计算机程序语言，因其对人工智能相关模块库如keras等的良好支持而被广泛使用；keras是由python语言编写的开源人工神经网络库，因其在神经网络模型架构方面的简单性、易用性在深度学习领域被研究人员大量采用，采用python和keras结合的方式实现神经网络并完成训练并得出评估结果。
[0014]有益效果本专利技术所公布的方法可充分利用历史演训数据进行神经网络拟合训练，可充分利用神经网络对于非线性函数拟合效果，有效解决各指标之间的非线性关系，能够较大程度
的消除传统AHP方法中人工主观因素对于权重所造成的误差，提高评估结果的可信性。
附图说明
[0015]图1为评估指标体系；图2为神经网络结构图。
具体实施方式
[0016]基于神经网络的装备保障能力评估方法，包括如下步骤：步骤1：结合待评估部队的使命任务和装备体系编配构建指标体系基于对待评估部队的装备保障行动及需求分析，综合实装和仿真系统的数据采集方式与方法，聚焦需求分析的六大能力，按照技术准备能力、维护保养能力、保障指挥能力、抢救抢修能力、器材供应能力、弹药供应能力逐项细化，参照指标体系的构建原则与标准，围绕待评估部队的具体装备保障体系配置，构建适用于实装演习、计算机仿真亦或二者相结合模式的评估指标体系,参见图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的装备保障能力评估方法，其特征为：包括如下步骤：步骤1：结合待评估部队的使命任务和装备体系编配构建指标体系；步骤2：利用AHP方法为能力指标确定初始权重；步骤3：搭建神经网络，并通过实装演训和仿真推演数据训练神经网络；步骤4：计算得到待评估部队的装备保障能力评估值。2.根据权利要求1所述的基于神经网络的装备保障能力评估方法，其特征为：所述步骤1进一步包括如下内容：基于对待评估部队的装备保障行动及需求分析，综合实装和仿真系统的数据采集方式与方法，聚焦需求分析的六大能力，按照技术准备能力、维护保养能力、保障指挥能力、抢救抢修能力、器材供应能力、弹药供应能力逐项细化，参照指标体系的构建原则与标准，围绕待评估部队的具体装备保障体系配置，构建适用于实装演习、计算机仿真抑或是二者相结合模式的评估指标体系。3.根据权利要求1所述的基于神经网络的装备保障能力评估方法，其特征为：所述步骤2进一步包括如下内容：基于步骤1所构建的评估指标体系，采用层次分析法AHP确定各层指标权重，首先构造判断矩阵，计算相对重要度，通过特征值法求解特征根与特征向量，将结果进行一致性检验，求解得到一级能力指标值，并将每层指标权重按该方法求解。4.根据权利要求3所述的基于神经网络的装备保障能力评估方法，其特征为：层次分析法也即AHP法，是能力评估领域...

【专利技术属性】
技术研发人员：魏永勇，张天赐，王龙，李广运，杨蔚青，江金寿，张静骁，耿德珅，魏蓝，
申请(专利权)人：中国兵器科学研究院，
类型：发明
国别省市：