作战体系关键效能指标的识别方法、设备和介质技术

一种作战体系关键效能指标的识别方法，包括：从数据库中确定多个指标与体系效能之间的灰色关联度的先验分布，体系效能与多个阶段相关联；对于每一个阶段，通过至少一个处理器执行以下操作：分别计算多个指标在所述阶段的数据序列样本中的每一个指标的数据序列样本与体系效能的数据序列样本之间的样本灰色关联度；基于先验分布和各个样本灰色关联度，确定多个指标与体系效能之间的灰色关联度的各个后验灰色关联度；以及响应于确定各个后验灰色关联度中的后验灰色关联度大于阶段的关联度阈值，确定与后验灰色关联度相对应的指标为阶段的关键效能指标。段的关键效能指标。段的关键效能指标。

【技术实现步骤摘要】
作战体系关键效能指标的识别方法、设备和介质


[0001]本专利技术涉及数据处理
，尤其涉及一种作战体系关键效能指标的识别方法、电子设备、非瞬时计算机可读存储介质以及计算机程序产品。

技术介绍

[0002]作战效能受到设备状态、敌我作战态势、武器性能等多种因素共同影响。识别出众多因素的主要因素、以及对作战效能提升起推动作用的因素对于作战效能评估具有重要意。体系作战过程中面临瞬息万变的战场环境，与此同时，使命目标及具体作战任务随之改变。面临变化的战场态势，提出一种能够快速、有效地动态识别重要指标地方法，对于态势评估和分析、战场辅助决策具有重要意义。

技术实现思路

[0003]本公开提供了一种作战体系关键效能指标的识别方法、电子设备、计算机可读存储介质和计算机程序产品。
[0004]根据本公开的一方面，提供了一种作战体系关键效能指标的识别方法，包括：从数据库中确定多个指标与体系效能之间的灰色关联度的先验分布，体系效能与多个阶段相关联；对于每一个阶段，通过至少一个处理器执行以下操作：分别计算多个指标在阶段的数据序列样本中的每一个指标的数据序列样本与体系效能的数据序列样本之间的样本灰色关联度；基于先验分布和各个样本灰色关联度，确定多个指标与体系效能之间的灰色关联度的各个后验灰色关联度；以及响应于确定各个后验灰色关联度中的后验灰色关联度大于阶段的关联度阈值，确定与后验灰色关联度相对应的指标为阶段的关键效能指标。
[0005]根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有计算机程序，计算机程序在被至少一个处理器执行时实现上述方法。
[0006]根据本公开的又一方面，提供了一种存储有计算机程序的非瞬时计算机可读存储介质，其中，计算机程序在被处理器执行时实现上述方法。
[0007]根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述方法。
[0008]本专利技术针对作战体系效能评估指标维数高、耦合性强、样本数据少且具有多阶段性等问题，提出了一种基于动态灰色关联度的复杂作战体系关键效能指标贝叶斯智能识别与推理方法，并在此基础上结合某导弹防御体系进行了关键效能指标识别的验证。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起
用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。在附图中：
[0011]图1示出了根据本公开实施例的作战阶段、效能指标的示意图；
[0012]图2示出了根据本公开实施例的作战体系关键效能指标的识别方法的流程图；
[0013]图3示出了根据本公开另一实施例的作战体系关键效能指标的识别方法的流程图；
[0014]图4示出了根据本公开实施例的确定多作战阶段的关键效能指标的示意图；
[0015]图5示出了根据本公开实施例的与某导弹防御体系效能相关联的效能指标的示意图；
[0016]图6示出了根据本公开实施例的某导弹防御体系效能的关键效能指标体系的示意图；以及
[0017]图7示出了根据本公开实施例的电子设备的框图。
具体实施方式
[0018]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0019]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0020]在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0021]为了缓解、减轻或消除相关技术中的至少一个技术问题，根据本公开的一个或多个实施例，提出一种作战体系关键效能指标的识别方法。
[0022]在指标体系降维领域，数理统计中的回归分析、方差分析、主成分分析等都是用来进行系统分析的方法，但是在具体的技术应用场景中，这些方法的前提条件比较多，例如需要大量数据、样本服从某个典型的概率分布等。这种情况在军事技术应用中尤为明显。例如，在作战体系(例如导弹防御体系)的效能评估过程中，可能数据比较缺乏，许多数据序列起伏波动频频，甚至出现大起大落，难以找到典型的分布规律，因此采用传统数理统计方法进行重要指标识别往往难以奏效。
[0023]邓聚龙教授提出的灰色关联模型在指标体系筛选中的运用一直很广泛，其基本思想是根据序列曲线几何形状的相似程度来判断不同序列之间的联系是否紧密。但该方法应用于作战体系指标筛选仍存在局限性：(1)在实际作战过程中，受决策时间、观测能力等条件的限制，效能指标的样本量较少，指标间关联规则较难获得；(2)灰色关联筛选多为静态视角下的指标筛选，无法实现快速动态变化情形下的重要指标识别；(3)现有研究认为指标
间关联度是定值，部分具有“演化特性”以及“时变性”的指标，其关联程度及作用效果随时间变动，指标关联度应为一随机变量。此外，国内外联合作战体系指标降维问题的研究主要面向特定或单一的作战任务或目标，着重于对指标参数信息的处理，并存在以下问题：1)战场作战态势的持续演化使得关键效能影响因素具有动态性，不同作战阶段相关参数的观测同样具有时效性，静态评估受时变因素影响，鲁棒性不高；2)评估指标维数较高，指标之间的耦合性会导致评估中的计算冗余；3)联合作战体系评估指标样本数据少，(极)小子样下的关键效能影响因素的智能识别与推理亟待解决。
[0024]本公开的实施例针对指标体系的演化性与时变性，动态识别关键效能指标。更进一步地基于动态灰色关联度，采用贝叶斯智能识别与推理复杂作战体系的关键效能指标。
[0025]图1示出了根据本公开实施例的作战阶段、效能指标的示意图。如图1所示，作战体系具有打击/防御效能E。在实施作战时，作战体系一般连续执行侦察、指挥、进攻、防御等多种类型的子任务阶段，例如阶段任务110、阶段任务120、阶段任务130。装备提供持续作战支撑力，随着战场态势演化，作战使命、任务、目标随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作战体系关键效能指标的识别方法，包括：从数据库中确定多个指标与体系效能之间的灰色关联度的先验分布，其中，所述体系效能与多个阶段相关联；对于每一个阶段，通过至少一个处理器执行以下操作：分别计算所述多个指标在所述阶段的数据序列样本中的每一个指标的数据序列样本与所述体系效能的数据序列样本之间的样本灰色关联度；基于所述先验分布和各个样本灰色关联度，确定所述多个指标与所述体系效能之间的灰色关联度的各个后验灰色关联度；以及响应于确定所述各个后验灰色关联度中的后验灰色关联度大于所述阶段的关联度阈值，确定与所述后验灰色关联度相对应的指标为所述阶段的关键效能指标。2.如权利要求1所述的方法，其中，所述先验分布为正态分布：γ～N(μ，τ2)，其中，γ表示所述灰色关联度，μ为数学期望，τ2为方差，并且其中，所述先验分布的概率密度为：其中，U(0，1)和U(0，c)表示均匀分布。3.如权利要求2所述的方法，其中，所述体系效能的数据序列样本为：X0＝x0(1)，x0(2)，
…
，x0(k)，
…
，x0(n)，其中k＝1，2，
…
，n，n为正整数；其中，对于阶段j，所述多个指标在所述阶段j的数据序列样本为：X
ij
＝x
ij
(1)，x
ij
(2)，
…
，x
ij
(k)，
…
，x
ij
(n)，其中X
ij
表示所述多个指标的数据序列样本，i＝1，2，
…
，m，j＝1，2，
…
，s，m为正整数，s为正整数；并且其中，所述样本灰色关联度为：其中，其中，γ
j
(X0，X
i
)表示在阶段j时指标γ
j
的数据序列样...

【专利技术属性】
技术研发人员：肖刚，叶丰，林金，卜广志，全哲君，
申请(专利权)人：军事科学院系统工程研究院系统总体研究所，
类型：发明
国别省市：