CN111080108B - 数据驱动的武器装备作战效能评估指标筛选方法及系统 - Google Patents

数据驱动的武器装备作战效能评估指标筛选方法及系统 Download PDF

Info

Publication number
CN111080108B
CN111080108B CN201911243965.2A CN201911243965A CN111080108B CN 111080108 B CN111080108 B CN 111080108B CN 201911243965 A CN201911243965 A CN 201911243965A CN 111080108 B CN111080108 B CN 111080108B
Authority
CN
China
Prior art keywords
evaluation index
performance evaluation
level performance
assessment
representing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911243965.2A
Other languages
English (en)
Other versions
CN111080108A (zh
Inventor
钱晓超
张宏俊
余海鸣
周金鹏
章佳君
张明恩
郭涛
张冬冬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Electromechanical Engineering
Original Assignee
Shanghai Institute of Electromechanical Engineering
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Electromechanical Engineering filed Critical Shanghai Institute of Electromechanical Engineering
Priority to CN201911243965.2A priority Critical patent/CN111080108B/zh
Publication of CN111080108A publication Critical patent/CN111080108A/zh
Application granted granted Critical
Publication of CN111080108B publication Critical patent/CN111080108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种数据驱动的武器装备作战效能评估指标筛选方法及系统，包括：评估指标初选步骤：评估人员依据预设的评估目的、评估对象以及对象的输入或输出信息给出对武器装备作战效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选，获得筛选后的初选指标集；评估指标样本获取步骤：在评估对象仿真模型上开展仿真实验，获得仿真实验数据，依据获得的仿真试验数据以及获得的初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值，获得评估指标样本。本发明通过装备级效能评估指标与评估结果间的关系分析，解决了因武器装备作战效能评估指标体系存在指标冗余的问题。

Description

数据驱动的武器装备作战效能评估指标筛选方法及系统
技术领域
本发明涉及建模仿真领域，具体地，涉及数据驱动的武器装备作战效能评估指标筛选方法及系统。
背景技术
基于仿真数据的多指标综合评价是武器装备作战效能评估的一项关键技术，其依赖于建立指标间相互独立的层次化指标体系。武器装备一般具有一系列表征各种特性的战术技术性能参数，它们涉及武器装备、作战任务和环境等的多个方面，而系统的效能是上述各种参数的综合，因此，从武器装备的组成构建武器装备效能评估指标体系是有效的方法。武器装备的效能评估指标体系往往是由多层次、多种类型指标构成的，以防空武器装备的效能评估为例，防空武器装备按照组成可分为侦查探测系统、指挥控制系统、跟踪制导系统以及发射系统等，以侦查探测系统为例，其效能指标按其主要功能可分解为最大探测距离、最小探测距离、雷达分辨率等与搜索雷达相关的性能指标。本发明将上述由武器装备的组成分解而成的指标成为装备级效能评估指标，记为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。装备级效能评估指标加权综合即可得到武器装备作战效能评估结果，记为
Figure BDA0002307011060000011
其中wj为关联模型权重系数。
按照武器装备组成的思想进行指标体系构建时，各子系统具体的性能指标均作为装备级效能评估指标纳入到武器装备作战效能评估指标体系中，实际操作中，武器装备作战效能评估指标体系易存在指标冗余现象，即两个指标或多个指标之间存在比较严重的重叠或交叉现象，无形中扩大了重叠部分指标的权重，从而导致评估结果出现失真，因此，需要对武器装备作战效能评估指标体系进行指标筛选，降低指标体系间的冗余度，进而提高评估结果的准确性。
当前，在开展指标体系筛选时，主要采用聚类分析、相关性分析等对装备级效能评估指标样本间的统计特征进行分析，而忽略了装备级效能评估指标与评估结果间的关系。实际在进行武器装备作战效能评估时，最终的作战效能也可由仿真数据进行统计得到，本发明中称为体系级效能评估结果，记为y＝(y1,y2,..,yN)，其中N表示样本个数。体系级效能评估结果与装备级效能评估指标体系经加权综合得到的武器装备作战效能评估结果间具有强相关性，即
Figure BDA0002307011060000021
则有
Figure BDA0002307011060000022
可据此开展武器装备作战效能评估指标筛选工作。
基于数据的武器装备作战效能评估指标筛选方法，是基于仿真系统运行产生的数据，建立武器装备级效能评估指标与体系级效能评估结果间的线性加权模型，根据模型参数的显著性完成武器装备级效能评估指标的筛选，较传统方法而言，能够体现装备级效能评估指标与评估结果间的关系。
专利文献CN105306248A(申请号：201510386251.2)公开了基于作战环的武器装备体系作战网络作战效能评估方法，它涉及一种作战效能评估方法，具体涉及评估效果较好的一种基于作战环的武器装备体系作战网络作战效能谱度量评估方法。它包括以下步骤：步骤一为基于作战环的思想构建武器装备体系作战网络模型；步骤二为以作战网络模型为基础提出作战效能谱度量评估指标。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种数据驱动的武器装备作战效能评估指标筛选方法及系统。
根据本发明提供的一种数据驱动的武器装备作战效能评估指标筛选方法，其特征在于，包括：
评估指标初选步骤：评估人员依据预设的评估目的、评估对象以及对象的输入或输出信息给出对武器装备作战效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选，获得筛选后的初选指标集；
评估指标样本获取步骤：在评估对象仿真模型上开展仿真实验，获得仿真实验数据，依据获得的仿真试验数据以及获得的初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值，获得评估指标样本；
模型构建步骤：构建武器装备作战效能评估线性加权模型；
权重计算步骤：根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数；
灵敏度计算步骤：计算武器装备级效能评估指标灵敏度；
评估指标筛选步骤：进行武器装备级效能评估指标筛选。
优选地，所述仿真实验包括：均匀、正交或者拉丁超立方试验。
优选地，所述模型构建步骤：
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure BDA0002307011060000031
的关联模型，其中，wj表示关联模型权重系数；
y表示体系级效能评估结果；
xj表示第j个武器装备级效能评估指标；
j表示武器装备级效能评估指标序号；
p表示武器装备级效能评估指标个数。
优选地，所述权重计算步骤：
根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure BDA0002307011060000032
Figure BDA0002307011060000033
其中，
Figure BDA0002307011060000034
为w的估计值，w＝(w1,w2,...,wp)T；
w表示线性加权模型权重系数；
X表示装备级效能评估指标样本矩阵；
XT表示装备级效能评估指标样本矩阵的转置；
wp表示第p个线性加权模型权重系数。
优选地，所述灵敏度计算步骤：
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure BDA0002307011060000035
其中，
zj表示第j个武器装备级效能评估指标的灵敏度
Figure BDA0002307011060000036
表示第j个线性加权模型权重系数的估计值
Figure BDA0002307011060000037
表示体系级效能评估结果样本标准差的无偏估计
其中，vj为(XTX)-1的第j个对角元素；
Figure BDA0002307011060000038
其中，
Figure BDA0002307011060000041
为yi的预测值，有
Figure BDA0002307011060000042
Figure BDA0002307011060000043
表示体系级效能评估结果样本方差的无偏估计；
N表示体系级效能评估结果样本的数量；
yi表示第i个体系级效能评估结果样本；
Figure BDA0002307011060000044
表示第j个线性加权模型权重系数的估计值；
xji表示第j个武器装备级效能评估指标的第i个样本。
优选地，所述评估指标筛选步骤：
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure BDA0002307011060000045
其中,
α为显著性水平，通常取0.05；
Figure BDA0002307011060000046
为在显著性水平α下，(N-p-1)自由度的t分布临界值；
若满足
Figure BDA0002307011060000047
则认为第j个武器装备级效能评估指标不显著，需要剔除。
优选地，所述评估指标样本获取步骤：
所述体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
所述装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
根据本发明提供的一种数据驱动的武器装备作战效能评估指标筛选系统，包括：
评估指标初选模块：评估人员依据预设的评估目的、评估对象以及对象的输入或输出信息给出对武器装备作战效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选，获得筛选后的初选指标集；
评估指标样本获取模块：在评估对象仿真模型上开展仿真实验，获得仿真实验数据，依据获得的仿真试验数据以及获得的初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值，获得评估指标样本；
模型构建模块：构建武器装备作战效能评估线性加权模型；
权重计算模块：根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数；
灵敏度计算模块：计算武器装备级效能评估指标灵敏度；
评估指标筛选模块：进行武器装备级效能评估指标筛选。
优选地，所述仿真实验包括：均匀、正交或者拉丁超立方试验；
所述模型构建模块：
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure BDA0002307011060000051
的关联模型，其中，wj表示关联模型权重系数；
y表示体系级效能评估结果；
xj表示第j个武器装备级效能评估指标；
j表示武器装备级效能评估指标序号；
p表示武器装备级效能评估指标个数；
所述权重计算模块：
根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure BDA0002307011060000052
Figure BDA0002307011060000053
其中，
Figure BDA0002307011060000054
为w的估计值，w＝(w1,w2,...,wp)T；
w表示线性加权模型权重系数；
X表示装备级效能评估指标样本矩阵；
XT表示装备级效能评估指标样本矩阵的转置；
wp表示第p个线性加权模型权重系数。
优选地，所述灵敏度计算模块：
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure BDA0002307011060000055
其中，
zj表示第j个武器装备级效能评估指标的灵敏度
Figure BDA0002307011060000056
表示第j个线性加权模型权重系数的估计值
Figure BDA0002307011060000057
表示体系级效能评估结果样本标准差的无偏估计
其中，vj为(XTX)-1的第j个对角元素；
Figure BDA0002307011060000061
其中，
Figure BDA0002307011060000062
为yi的预测值，有
Figure BDA0002307011060000063
Figure BDA0002307011060000064
表示体系级效能评估结果样本方差的无偏估计；
N表示体系级效能评估结果样本的数量；
yi表示第i个体系级效能评估结果样本；
Figure BDA0002307011060000065
表示第j个线性加权模型权重系数的估计值；
xji表示第j个武器装备级效能评估指标的第i个样本；
所述评估指标筛选模块：
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure BDA0002307011060000066
其中,
α为显著性水平，通常取0.05；
Figure BDA0002307011060000067
为在显著性水平α下，(N-p-1)自由度的t分布临界值；
若满足
Figure BDA0002307011060000068
则认为第j个武器装备级效能评估指标不显著，需要剔除；
所述评估指标样本获取模块：
所述体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
所述装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
与现有技术相比，本发明具有如下的有益效果：
1.本发明了提供了一种数据驱动的武器装备作战效能评估指标筛选方法；
2.本发明所述方案提供一种武器装备作战效能评估线性加权模型，能够实现装备级效能指标与体系级效能指标的关联；
3.本发明所述方案利用构建的武器装备作战效能评估线性加权模型变量的显著性实现指标筛选；
4.本发明所述方案，通过装备级效能评估指标与评估结果间的关系分析，解决了因武器装备作战效能评估指标体系存在指标冗余的问题，为其它复杂问题的指标体系筛选提供了新的思路和方法。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明实施例的数据驱动的武器装备作战效能评估指标筛选方法流程示意图。
图2是采用本发明方法筛选前的某防空装备作战效能评估指标体系示意图。
图3是采用本发明方法筛选后的某防空装备作战效能评估指标体系示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的一种数据驱动的武器装备作战效能评估指标筛选方法，其特征在于，包括：
评估指标初选步骤：评估人员依据预设的评估目的、评估对象以及对象的输入或输出信息给出对武器装备作战效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选，获得筛选后的初选指标集；
评估指标样本获取步骤：在评估对象仿真模型上开展仿真实验，获得仿真实验数据，依据获得的仿真试验数据以及获得的初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值，获得评估指标样本；
模型构建步骤：构建武器装备作战效能评估线性加权模型；
权重计算步骤：根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数；
灵敏度计算步骤：计算武器装备级效能评估指标灵敏度；
评估指标筛选步骤：进行武器装备级效能评估指标筛选。
具体地，所述仿真实验包括：均匀、正交或者拉丁超立方试验。
具体地，所述模型构建步骤：
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure BDA0002307011060000081
的关联模型，其中，wj表示关联模型权重系数；
y表示体系级效能评估结果；
xj表示第j个武器装备级效能评估指标；
j表示武器装备级效能评估指标序号；
p表示武器装备级效能评估指标个数。
具体地，所述权重计算步骤：
根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure BDA0002307011060000082
Figure BDA0002307011060000083
其中，
Figure BDA0002307011060000084
为w的估计值，w＝(w1,w2,...,wp)T；
w表示线性加权模型权重系数；
X表示装备级效能评估指标样本矩阵；
XT表示装备级效能评估指标样本矩阵的转置；
wp表示第p个线性加权模型权重系数。
具体地，所述灵敏度计算步骤：
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure BDA0002307011060000085
其中，
zj表示第j个武器装备级效能评估指标的灵敏度
Figure BDA0002307011060000086
表示第j个线性加权模型权重系数的估计值
Figure BDA0002307011060000087
表示体系级效能评估结果样本标准差的无偏估计
其中，vj为(XTX)-1的第j个对角元素；
Figure BDA0002307011060000088
其中，
Figure BDA0002307011060000089
为yi的预测值，有
Figure BDA00023070110600000810
Figure BDA0002307011060000091
表示体系级效能评估结果样本方差的无偏估计；
N表示体系级效能评估结果样本的数量；
yi表示第i个体系级效能评估结果样本；
Figure BDA0002307011060000092
表示第j个线性加权模型权重系数的估计值；
xji表示第j个武器装备级效能评估指标的第i个样本。
具体地，所述评估指标筛选步骤：
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure BDA0002307011060000093
其中,
α为显著性水平，通常取0.05；
Figure BDA0002307011060000094
为在显著性水平α下，(N-p-1)自由度的t分布临界值；
若满足
Figure BDA0002307011060000095
则认为第j个武器装备级效能评估指标不显著，需要剔除。
具体地，所述评估指标样本获取步骤：
所述体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
所述装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
根据本发明提供的一种数据驱动的武器装备作战效能评估指标筛选系统，包括：
评估指标初选模块：评估人员依据预设的评估目的、评估对象以及对象的输入或输出信息给出对武器装备作战效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选，获得筛选后的初选指标集；
评估指标样本获取模块：在评估对象仿真模型上开展仿真实验，获得仿真实验数据，依据获得的仿真试验数据以及获得的初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值，获得评估指标样本；
模型构建模块：构建武器装备作战效能评估线性加权模型；
权重计算模块：根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数；
灵敏度计算模块：计算武器装备级效能评估指标灵敏度；
评估指标筛选模块：进行武器装备级效能评估指标筛选。
具体地，所述仿真实验包括：均匀、正交或者拉丁超立方试验；
所述模型构建模块：
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure BDA0002307011060000101
的关联模型，其中，wj表示关联模型权重系数；
y表示体系级效能评估结果；
xj表示第j个武器装备级效能评估指标；
j表示武器装备级效能评估指标序号；
p表示武器装备级效能评估指标个数；
所述权重计算模块：
根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure BDA0002307011060000102
Figure BDA0002307011060000103
其中，
Figure BDA0002307011060000104
为w的估计值，w＝(w1,w2,...,wp)T；
w表示线性加权模型权重系数；
X表示装备级效能评估指标样本矩阵；
XT表示装备级效能评估指标样本矩阵的转置；
wp表示第p个线性加权模型权重系数。
具体地，所述灵敏度计算模块：
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure BDA0002307011060000105
其中，
zj表示第j个武器装备级效能评估指标的灵敏度
Figure BDA0002307011060000106
表示第j个线性加权模型权重系数的估计值
Figure BDA0002307011060000107
表示体系级效能评估结果样本标准差的无偏估计
其中，vj为(XTX)-1的第j个对角元素；
Figure BDA0002307011060000108
其中，
Figure BDA0002307011060000111
为yi的预测值，有
Figure BDA0002307011060000112
Figure BDA0002307011060000113
表示体系级效能评估结果样本方差的无偏估计；
N表示体系级效能评估结果样本的数量；
yi表示第i个体系级效能评估结果样本；
Figure BDA0002307011060000114
表示第j个线性加权模型权重系数的估计值；
xji表示第j个武器装备级效能评估指标的第i个样本；
所述评估指标筛选模块：
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure BDA0002307011060000115
其中,
α为显著性水平，通常取0.05；
Figure BDA0002307011060000116
为在显著性水平α下，(N-p-1)自由度的t分布临界值；
若满足
Figure BDA0002307011060000117
则认为第j个武器装备级效能评估指标不显著，需要剔除；
所述评估指标样本获取模块：
所述体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
所述装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
下面通过优选例，对本发明进行更为具体地说明。
优选例1：
以下实施例用于说明本发明，但不用来限制本发明的范围。
图1是本发明一个实施例的装备作战效能评估指标体系筛选流程图。本实施例以某防空装备作战效能评估指标体系筛选为例。
在步骤101中，根据评估目的、评估对象以及对象的输入/输出信息分析，确定体系级效能指标为对目标的拦截率，记为y。武器装备级效能指标如图2所示，包括最大探测距离x1、最小探测距离x2、雷达分辨率x3、跟踪目标距离x4、跟踪目标精度x5、跟踪目标数量x6、目标分类正确率x7、识别目标概率x8、虚警率x9、最大拦截斜距x10、最大射击纵深x11、单发杀伤概率x12、多目标能力x13、战斗准备时间x14、展开时间x15、导弹装填时间x16；
在步骤102中，在评估对象仿真模型上开展拉丁超立方试验。依据仿真试验数据以及初选指标集得到300组初选指标样本值，其中y＝(y1,y2,..,yN)，X＝{x1,x2,…xN}，xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，N＝300，p＝16；上述评估对象仿真模型是指针对本次武器装备作战效能评估任务所需要的仿真模型，是对评估对象进行抽象近似与简化后获得的可在计算机上运行的模型，可模拟评估对象的性质与特征，在本发明中评估对象模型是预先设定的；
在步骤103中，根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure BDA0002307011060000121
的关联模型，其中wj为关联模型权重系数；
在步骤104中，利用步骤102中获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure BDA0002307011060000122
Figure BDA0002307011060000123
其中
Figure BDA0002307011060000124
为w的估计值，w＝(w1,w2,...,wp)T；
在步骤105中，计算第j个武器装备级效能评估指标的灵敏度
Figure BDA0002307011060000125
其中vj为(XTX)-1的第j个对角元素，
Figure BDA0002307011060000126
Figure BDA0002307011060000127
为yi的预测值，有
Figure BDA0002307011060000128
Figure BDA0002307011060000129
在步骤106中，取显著性水平α＝0.05，构建t检验公式
Figure BDA00023070110600001210
其中N＝300，p＝16，对武器装备级效能评估指标显著性进行验证，根据t检验分布，满足
Figure BDA00023070110600001211
的武器装备级效能评估指标不显著，需要剔除，根据计算结果，需要剔除的指标为最小探测距离x2、目标分类正确率x7、最大射击纵深x11、导弹装填时间x16，经筛选后得到的武器装备级效能指标如图3所示，包括最大探测距离x1、雷达分辨率x3、跟踪目标距离x4、跟踪目标精度x5、跟踪目标数量x6、识别目标概率x8、虚警率x9、最大拦截斜距x10、单发杀伤概率x12、多目标能力x13、战斗准备时间x14、展开时间x15；
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
优选例2：
一种数据驱动的武器装备作战效能评估指标筛选方法，包括如下步骤：
步骤1、评估指标初选
评估人员依据评估目的、评估对象以及对象的输入/输出信息给出可能对效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选；
步骤2、评估指标样本获取
在评估对象仿真模型上开展均匀、正交或者拉丁超立方等试验。依据仿真试验数据以及初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值；
步骤3、构建武器装备作战效能评估线性加权模型
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure BDA0002307011060000131
的关联模型，其中wj为关联模型权重系数；
y表示体系级效能评估结果
xj表示第j个武器装备级效能评估指标
j表示武器装备级效能评估指标序号
p表示武器装备级效能评估指标个数
步骤4、计算线性加权模型权重系数
利用步骤2中获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure BDA0002307011060000132
Figure BDA0002307011060000133
其中
Figure BDA0002307011060000134
为w的估计值，w＝(w1,w2,...,wp)T；
w表示线性加权模型权重系数；
X表示装备级效能评估指标样本矩阵；
XT表示装备级效能评估指标样本矩阵的转置；
wp表示第p个线性加权模型权重系数
步骤5、计算武器装备级效能评估指标灵敏度
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure BDA0002307011060000141
zj表示第j个武器装备级效能评估指标的灵敏度
Figure BDA0002307011060000142
表示第j个线性加权模型权重系数的估计值
Figure BDA0002307011060000143
表示体系级效能评估结果样本标准差的无偏估计
其中：vj为(XTX)-1的第j个对角元素；
Figure BDA0002307011060000144
其中
Figure BDA0002307011060000145
为yi的预测值，有
Figure BDA0002307011060000146
Figure BDA00023070110600001411
表示体系级效能评估结果样本方差的无偏估计
N表示体系级效能评估结果样本的数量
yi表示第i个体系级效能评估结果样本
Figure BDA0002307011060000147
表示第j个线性加权模型权重系数的估计值
xji表示第j个武器装备级效能评估指标的第i个样本
步骤6、开展武器装备级效能评估指标筛选
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure BDA0002307011060000148
其中α为显著性水平，通常取0.05；
Figure BDA0002307011060000149
为在显著性水平α下，(N-p-1)自由度的t分布临界值。
若满足
Figure BDA00023070110600001410
则认为第j个武器装备级效能评估指标不显著，需要剔除；
优选的，步骤2中，所述形成体系级效能评估结果和装备级效能评估指标，具体包括如下步骤：
步骤(1)、体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
步骤(2)、装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
优选例3：
本发明提出一种数据驱动的武器装备作战效能评估指标筛选方法，其目的在于构造武器装备级效能评估指标与体系级效能评估结果的线性加权模型，基于数据对线加权模型进行数据回归，以武器装备级效能评估指标的显著性与否开展指标筛选，解决因装备体系各系统间深度铰链，指标冗余严重的问题，对武器装备作战效能评估指标体系进行精简。
本发明采用如下方案实现数据驱动的武器装备作战效能评估指标筛选：
步骤1、评估指标初选
评估人员依据评估目的、评估对象以及对象的输入/输出信息给出可能对效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选；
步骤2、评估指标样本获取
在评估对象仿真模型上开展均匀、正交或者拉丁超立方等试验。依据仿真试验数据以及初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值；
步骤3、构建武器装备作战效能评估线性加权模型
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure BDA0002307011060000151
的关联模型，其中wj为关联模型权重系数；
步骤4、计算线性加权模型权重系数
利用步骤2中获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure BDA0002307011060000152
Figure BDA0002307011060000153
其中
Figure BDA0002307011060000154
为w的估计值，w＝(w1,w2,...,wp)T；
步骤5、计算武器装备级效能评估指标灵敏度
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure BDA0002307011060000155
其中：vj为(XTX)-1的第j个对角元素；
Figure BDA0002307011060000156
其中
Figure BDA0002307011060000157
为yi的预测值，有
Figure BDA0002307011060000158
步骤6、开展武器装备级效能评估指标筛选
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure BDA0002307011060000161
其中α为显著性水平，通常取0.05；
若满足
Figure BDA0002307011060000162
则认为第j个武器装备级效能评估指标不显著，需要剔除；
优选的，步骤2中，所述形成体系级效能评估结果和装备级效能评估指标，具体包括如下步骤：
步骤(1)、体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
步骤(2)、装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (5)

1.一种数据驱动的武器装备作战效能评估指标筛选方法，其特征在于，包括：
评估指标初选步骤：评估人员依据预设的评估目的、评估对象以及对象的输入或输出信息给出对武器装备作战效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选，获得筛选后的初选指标集；
评估指标样本获取步骤：在评估对象仿真模型上开展仿真实验，获得仿真实验数据，依据获得的仿真试验数据以及获得的初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值，获得评估指标样本；
模型构建步骤：构建武器装备作战效能评估线性加权模型；
权重计算步骤：根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数；
灵敏度计算步骤：计算武器装备级效能评估指标灵敏度；
评估指标筛选步骤：进行武器装备级效能评估指标筛选；
所述模型构建步骤：
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure FDA0003184589300000011
的关联模型，其中，wj表示关联模型权重系数；
y表示体系级效能评估结果；
xj表示第j个武器装备级效能评估指标；
j表示武器装备级效能评估指标序号；
p表示武器装备级效能评估指标个数；
所述权重计算步骤：
根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure FDA0003184589300000012
Figure FDA0003184589300000013
其中，
Figure FDA0003184589300000014
为w的估计值，w＝(w1,w2,...,wp)T；
w表示线性加权模型权重系数；
X表示装备级效能评估指标样本矩阵；
XT表示装备级效能评估指标样本矩阵的转置；
wp表示第p个线性加权模型权重系数；
所述灵敏度计算步骤：
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure FDA0003184589300000021
其中，
zj表示第j个武器装备级效能评估指标的灵敏度
Figure FDA0003184589300000022
表示第j个线性加权模型权重系数的估计值
Figure FDA0003184589300000023
表示体系级效能评估结果样本标准差的无偏估计
其中，vj为(XTX)-1的第j个对角元素；
Figure FDA0003184589300000024
其中，
Figure FDA0003184589300000025
为yi的预测值，有
Figure FDA0003184589300000026
Figure FDA0003184589300000027
表示体系级效能评估结果样本方差的无偏估计；
N表示体系级效能评估结果样本的数量；
yi表示第i个体系级效能评估结果样本；
Figure FDA0003184589300000028
表示第j个线性加权模型权重系数的估计值；
xji表示第j个武器装备级效能评估指标的第i个样本。
2.根据权利要求1所述的数据驱动的武器装备作战效能评估指标筛选方法，其特征在于，所述仿真实验包括：均匀、正交或者拉丁超立方试验。
3.根据权利要求1所述的数据驱动的武器装备作战效能评估指标筛选方法，其特征在于，所述评估指标筛选步骤：
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure FDA0003184589300000029
其中,
α为显著性水平，通常取0.05；
Figure FDA00031845893000000210
为在显著性水平α下，(N-p-1)自由度的t分布临界值；
若满足
Figure FDA0003184589300000031
则认为第j个武器装备级效能评估指标不显著，需要剔除。
4.根据权利要求1所述的数据驱动的武器装备作战效能评估指标筛选方法，其特征在于，所述评估指标样本获取步骤：
所述体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
所述装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
5.一种数据驱动的武器装备作战效能评估指标筛选系统，其特征在于，包括：
评估指标初选模块：评估人员依据预设的评估目的、评估对象以及对象的输入或输出信息给出对武器装备作战效能产生影响的指标，并形成体系级效能评估指标和装备级效能评估指标，以便进行评估指标筛选，获得筛选后的初选指标集；
评估指标样本获取模块：在评估对象仿真模型上开展仿真实验，获得仿真实验数据，依据获得的仿真试验数据以及获得的初选指标集得到多组体系级效能评估指标结果和装备级效能评估指标值，获得评估指标样本；
模型构建模块：构建武器装备作战效能评估线性加权模型；
权重计算模块：根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数；
灵敏度计算模块：计算武器装备级效能评估指标灵敏度；
评估指标筛选模块：进行武器装备级效能评估指标筛选；
所述仿真实验包括：均匀、正交或者拉丁超立方试验；
所述模型构建模块：
根据体系级效能评估结果与武器装备级效能评估指标，构造形如
Figure FDA0003184589300000032
的关联模型，其中，wj表示关联模型权重系数；
y表示体系级效能评估结果；
xj表示第j个武器装备级效能评估指标；
j表示武器装备级效能评估指标序号；
p表示武器装备级效能评估指标个数；
所述权重计算模块：
根据获取的评估指标样本，采用最小二乘法计算线性加权模型权重系数
Figure FDA0003184589300000033
Figure FDA0003184589300000041
其中，
Figure FDA0003184589300000042
为w的估计值，w＝(w1,w2,...,wp)T；
w表示线性加权模型权重系数；
X表示装备级效能评估指标样本矩阵；
XT表示装备级效能评估指标样本矩阵的转置；
wp表示第p个线性加权模型权重系数；
所述灵敏度计算模块：
采用如下公式计算第j个武器装备级效能评估指标的灵敏度：
Figure FDA0003184589300000043
其中，
zj表示第j个武器装备级效能评估指标的灵敏度
Figure FDA0003184589300000044
表示第j个线性加权模型权重系数的估计值
Figure FDA0003184589300000045
表示体系级效能评估结果样本标准差的无偏估计
其中，vj为(XTX)-1的第j个对角元素；
Figure FDA0003184589300000046
其中，
Figure FDA0003184589300000047
为yi的预测值，有
Figure FDA0003184589300000048
Figure FDA0003184589300000049
表示体系级效能评估结果样本方差的无偏估计；
N表示体系级效能评估结果样本的数量；
yi表示第i个体系级效能评估结果样本；
Figure FDA00031845893000000410
表示第j个线性加权模型权重系数的估计值；
xji表示第j个武器装备级效能评估指标的第i个样本；
所述评估指标筛选模块：
利用t检验对武器装备级效能评估指标进行筛选，构造t检验公式：
Figure FDA00031845893000000411
其中,
α为显著性水平，通常取0.05；
Figure FDA0003184589300000051
为在显著性水平α下，(N-p-1)自由度的t分布临界值；
若满足
Figure FDA0003184589300000052
则认为第j个武器装备级效能评估指标不显著，需要剔除；
所述评估指标样本获取模块：
所述体系级效能评估结果表示为y＝(y1,y2,..,yN)，其中N表示样本个数；
所述装备级效能评估指标表示为X＝{x1,x2,…xN}，其中xi表示第i个样本，xi＝(xi1,xi2,...,xip)T，p为装备级效能评估指标数量。
CN201911243965.2A 2019-12-06 2019-12-06 数据驱动的武器装备作战效能评估指标筛选方法及系统 Active CN111080108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911243965.2A CN111080108B (zh) 2019-12-06 2019-12-06 数据驱动的武器装备作战效能评估指标筛选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911243965.2A CN111080108B (zh) 2019-12-06 2019-12-06 数据驱动的武器装备作战效能评估指标筛选方法及系统

Publications (2)

Publication Number Publication Date
CN111080108A CN111080108A (zh) 2020-04-28
CN111080108B true CN111080108B (zh) 2021-10-15

Family

ID=70313278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911243965.2A Active CN111080108B (zh) 2019-12-06 2019-12-06 数据驱动的武器装备作战效能评估指标筛选方法及系统

Country Status (1)

Country Link
CN (1) CN111080108B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116225A (zh) * 2020-09-07 2020-12-22 中国人民解放军63921部队 装备系统的作战效能评估方法、装置和存储介质
CN112308381B (zh) * 2020-10-12 2023-06-20 西安电子科技大学 装备贡献度数据分析方法、系统、存储介质、计算机设备
CN112395543B (zh) * 2020-10-12 2024-04-16 中国兵器科学研究院 一种装备体系侦察能力评估方法、装置、设备及介质
CN112052608B (zh) * 2020-10-16 2022-11-18 中国直升机设计研究所 一种作战推演仿真与效能评估一体化集成方法
CN112100866B (zh) * 2020-11-05 2021-02-09 湖南卫导信息科技有限公司 导航装备效能评估方法及仿真平台
CN112488514A (zh) * 2020-11-30 2021-03-12 信云领创(北京)科技有限公司 用于估计装备作战试验评估可信性的概率化方法
CN112632765B (zh) * 2020-12-17 2023-09-22 中国兵器工业信息中心 一种加权和法与sem法结合的作战能力评估方法
CN113313354B (zh) * 2021-04-27 2024-03-12 中国人民解放军63966部队 一种针对作战试验评估方法的筛选规则方法和装置
CN114491879B (zh) * 2021-11-25 2023-06-23 西北工业大学 一种考虑动态重构的武器装备体系仿真评估方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574614B (zh) * 2015-12-15 2019-10-11 东北大学 基于多属性分析的电力系统线路脆弱度评估系统及方法
CN109409695B (zh) * 2018-09-30 2020-02-04 上海机电工程研究所 基于关联分析的体系效能评估指标体系构建方法及系统
CN109543750A (zh) * 2018-11-22 2019-03-29 广东省智能制造研究所 一种耗电用户能效评估方法
CN109614729A (zh) * 2018-12-18 2019-04-12 上海机电工程研究所 一种基于元模型的装备效能评估结果快速分析方法

Also Published As

Publication number Publication date
CN111080108A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN111080108B (zh) 数据驱动的武器装备作战效能评估指标筛选方法及系统
CN109409695B (zh) 基于关联分析的体系效能评估指标体系构建方法及系统
CN104050318B (zh) 一种战术导弹武器系统精度仿真及校验方法
US20160063144A1 (en) System and method for modeling human crowd behavior
CN104392087A (zh) 一种顶置武器站性能评估方法
Lucas The stochastic versus deterministic argument for combat simulations: Tales of when the average won't do
RU2702503C1 (ru) Способ моделирования процессов обоснования требуемого уровня живучести распределенных сетей связи вышестоящей системы управления в условиях вскрытия и внешних деструктивных воздействий
Bigelow et al. Implications for model validation of multiresolution, multiperspective modeling (mrmpm) and exploratory analysis
Hong et al. Interoperation between engagement-and engineering-level models for effectiveness analyses
Hill et al. Using agent-based simulation to empirically examine search theory using a historical case study
RU2640734C1 (ru) Способ моделирования пунктов управления
Ozcan Effectiveness of unmanned aerial vehicles in helping secure a border characterized by rough terrain and active terrorists
Walton et al. Usage testing of military simulation systems
Kim et al. Evaluation of the combat aircraft susceptibility against surface-based threat using the weighted score algorithm
Zanasi et al. IT-induced cognitive biases in intelligence analysis: Big data analytics and serious games
CN110941904A (zh) 一种基于不同作战天气下的感知设备组合搭配方法
Minghua et al. Rough Set Neural Network Evaluation Method for UAV Reconnaissance Effectiveness
RU2724909C1 (ru) Способ оценки эффективности системы физической защиты важного государственного объекта
Curtis et al. Hierarchical systems of enquiry for analysis of the Land Force
Bo et al. Research on the Classification of the Operational Test
Bigelow et al. Implications of multi-resolution modeling (MRM) and exploratory analysis for validation
Liu et al. Study on Simulation Credibility Control of Command System
Grier Linking procurement dollars to an alternative force structures' combat capability using response surface methodology
Clark ELECTRONIC COUNTERMEASURES
Meyer et al. How simple is simple enough? military modeling case studies

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant