CN112632765A - 一种加权和法与sem法结合的作战能力评估方法 - Google Patents

一种加权和法与sem法结合的作战能力评估方法 Download PDF

Info

Publication number
CN112632765A
CN112632765A CN202011503264.0A CN202011503264A CN112632765A CN 112632765 A CN112632765 A CN 112632765A CN 202011503264 A CN202011503264 A CN 202011503264A CN 112632765 A CN112632765 A CN 112632765A
Authority
CN
China
Prior art keywords
sem
index
value
capability
evaluation
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.)
Granted
Application number
CN202011503264.0A
Other languages
English (en)
Other versions
CN112632765B (zh
Inventor
沈丙振
缪建明
谢鹏
赵永军
贾广威
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.)
Information Central Of China North Industries Group Corp
Original Assignee
Information Central Of China North Industries Group Corp
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 Information Central Of China North Industries Group Corp filed Critical Information Central Of China North Industries Group Corp
Priority to CN202011503264.0A priority Critical patent/CN112632765B/zh
Publication of CN112632765A publication Critical patent/CN112632765A/zh
Application granted granted Critical
Publication of CN112632765B publication Critical patent/CN112632765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本发明涉及一种加权和法与SEM法结合的作战能力评估方法，属于武器装备体系能力评估领域。本发明对传统SEM进行了显变量的聚合处理，即引入了熵权法求解底层指标权重，然后采用加权和法聚合指标作为新的显变量，减少显变量的数量，从而降低了SEM应用的难度，同时减少了数据样本的需求。同时参照蒙特卡罗方法对同一仿真想定条件下多次体系仿真数据进行采集，利用结果的均值进行评估的方法也更为合理、全面。本发明适用于大规模指标体系(约400个显变量)的评估，中等规模指标体系下(约50个显变量)体系作战能力评估结论也证明了改进后评估方法的合理性。

Description

一种加权和法与SEM法结合的作战能力评估方法
技术领域
本发明属于武器装备体系能力评估领域，具体涉及一种加权和法与SEM法结合的作战能力评估方法。
背景技术
随着高新技术逐步在军事领域广泛应用，现代战争作战模式、作战样式等发生了翻天覆地的变化。信息化战争呈现出明显的体系对抗特点，武器装备、技术装备、后勤装备等互相补充、相互制约、体系联动，构成了一体化复杂的装备作战体系，从而体系作战能力的评估成为了体系优化的重要目标之一。当前体系作战能力的评估方法主要有两类，即“分解-聚合”评估方法和整体性评估方法。由于“分解-聚合”法很难将体系结构关系对体系能力的影响考虑进去，所以对于造成复杂系统涌现性的结构效应就难以体现，所以近年来，以结构方程模型(structural equation modeling，SEM)为代表的整体性评估方法，逐渐被用于装备体系作战能力评估。
结构方程模型也常称为结构方程建模或结构方程分析。该名称于20世纪70年代初，由瑞典统计学家、心理测量学家卡尔·乔瑞斯考格及其合作者提出。结构方程模型的理论依据是：虽然某些潜变量无法直接观测，但是它可以由一个或几个显变量表征，因此可以通过对显变量的测量来分析潜在变量以及潜变量之间的关系。到20世纪80年代末90年代初期，SEM开始得到广泛应用。该方法在国外的应用于研究已经有相当长的时间，但其在国内的应用于研究历史并不长。我国台湾和香港地区的学者率先引入SEM，而大陆学者在SEM领域研究和应用的时间较短。目前SEM已经成为通用的、主要的线性统计建模技术，SEM已经广泛应用于心理学、经济学、社会学和行为科学等领域的研究。实际上，SEM是计量经济学、计量社会学和计量心理学等领域的统计方法的综合。多元回归、因子分析和路径分析等方法只是SEM中的几种特例。SEM已经成为统计分析中一个新的发展领域，在统计应用领域里树立了较高的声誉，被众多学者推崇为“第二代多元统计”方法。
2011年张少卿提出了基于非线性SEM对航空反潜装备作战能力进行评估，建立了航空反潜装备作战能力评估的指标体系，建立了相应的SEM和非线性SEM，通过示例运用LISREL8.54软件对参数估计，分析了该方法的可行性和有效性。2014年罗鹏程构建了防空反导体系的反战术弹道导弹能力评估的SEM，通过计算结果分析，确定了优化方案，对提高反战术弹道导弹能力提供了有效的评估方法。2015年罗小明建立了基于SEM的武器装备作战体系贡献率评估模型，探讨了增强作战效果贡献率指标、增强作战效率贡献度指标和降低作战代价贡献度指标的量化方法，分析了作战效果、作战效率、作战代价与体系作战能力之间的定性关系，并进行了算例评估与验证分析。2016年陆皖麟运用SEM对体系作战能力组成单元间的关联关系进行判定，认为这些关联关系的准确判定是建立合理仿真模型的关键，通过实例分析说明了该方法的工程价值，对仿真模型组成单元间关联关系的判定起到一定的参考作用。2017年王子齐针引入SEM对近程反导舰炮武器系统构建了一种作战能力评估模型，运用专家评估法采集所需样本数据，采用AMOS24.0软件进行模型参数估计和检验，得到了基于SEM的近程反导舰炮武器系统作战能力评估模型，经过计算分析与验证表明，该评估模型是可接受的，能为近程反导舰炮武器系统的而装备采办和现役装备的作战能力评估提供参考。2020年齐小刚以复杂自适应系统为视角建立作战能力涌现性的概念模型，并剖析体系中各个子系统的内在因素，从而建立评价度量模型作战能力的指标体系；根据指标体系构架线性和非线性涌现的SEM，以某航母编队反舰作战为例，采用结构方程模型分析软件LISREL8.7得到SEM的参数估计值，进而确定两种SEM结构方程。结果显示，与线性涌现的SEM相比，非线性模型更接近实际作战能力。
基于SEM的武器装备体系作战能力评估方案被广泛应用于作战能力评估中，通过构建网状结构的指标体系来反映体系各项作战能力之间的相互影响关系，用以研究武器装备作战体系评估指标之间的影响作用程度或涌现效应关系及作战体系内部的级联交互或结构演化关系，改变了“分解-聚合”法对于造成复杂系统涌现性的结构效应就难以体现的问题。
目前文献中应用SEM评估作战能力的案例中体系中装备种类不是很多，指标(测量变量)也相对较少，故构建的SEM模型也较为简单，求解相对容易收敛。但是，该方法直接用于陆军旅级规模的武器装备体系作战能力评估时，由于装备类型多、数量也多，需要建立更多的能力指标反映整个装备体系的作战能力要素特点，陆军旅级部队各级能力指标总数不少于400余个指标(测量变量)，直接应用SEM法进行能力评估计算应用难度大大增加，待估参数多，其计算模型更加复杂，求解过程也不容易收敛。同时，随着指标体系中可测变量的增加，测量变量的样本数据的数量也需要更多，大量的测量变量的样本数据获取也会变得困难，使得SEM法的优势很难发挥,故SEM对于大规模指标体系(约400个测量变量)的作战能力评估还不能提出有效办法。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种加权和法与SEM法结合的作战能力评估方法，以克服对于大规模指标体系采用传统SEM评估作战能力时模型复杂、待估参数多、求解不容易收敛、对测量变量的样本数据的数量需求量大、多种仿真结果存在个性化差异等因素，从而无法发挥SEM的优势在武器装备体系作战能力上的应用的问题。
(二)技术方案
为了解决上述技术问题，本发明提出一种加权和法与SEM法结合的作战能力评估方法，该方法包括如下步骤：
S1、设计不同方案，每种方案可产生一套仿真结果数据；
S2、建立作战能力指标体系，构建火力打击能力和其它作战能力的关系以及其它作战能力之间的相互关系，通过网状结构表达，将这些作战能力以树状结构分解指标，最末级指标为可测量的变量；
S3、基于作战能力指标体系构建结构方程模型SEM，使用t规则对模型进行识别；
S4、通过采集模块读取体系对抗仿真结果数据；
S5、对仿真结果数据进行预处理，即将末级指标进行归一化处理，并在此基础上对同一方案下的多次仿真结果多次预处理，多次预处理结果进行均值计算，得到同一方案下的末级指标归一化结果；各方案的末级指标归一化结果作为SEM的数据准备；
S6、采用熵权法求解末级指标权重，然后采用加权和法聚合指标，聚合指标作为SEM中的显变量，得到的各方案的聚合指标值作为改进SEM的数据准备；
S7、将S6中的数据导入LISREL，计算协方差矩阵，基于S2构建SEM路径图或编写SEM程序，采用最大似然估计法执行计算，得到SEM中的未知参数的估计值和t检验值；
S8、基于求得的未知参数估计值对应的t检验值来判断该参数是保留还是剔除，每剔除一次，就重新对SEM模型进行参数估计和t检验值计算，直到所有估计值的t检验值都满足要求；通过LISREL查看SEM拟合参数NFI、NNFI、CFI是否满足要求，如满足，说明SEM拟合较好；
S9、基于估计值得到体系作战能力与显变量的定量关系模型；
S10、求解作战能力指标值并给出评估结论，根据作战能力评估值选择满意的方案。
(三)有益效果
本发明提出一种加权和法与SEM法结合的作战能力评估方法,本发明对传统SEM进行了显变量的聚合处理，适用于大规模指标体系(约400个显变量)的评估，即引入了熵权法求解底层指标权重，然后采用加权和法聚合指标作为新的显变量，减少显变量的数量，从而降低了SEM应用的难度，同时减少了数据样本的需求。同时参照蒙特卡罗方法对同一仿真想定条件下多次体系仿真数据进行采集，利用结果的均值进行评估的方法也更为合理、全面。中等规模指标体系下(约50个显变量)体系作战能力评估结论也证明了改进后评估方法的合理性。
附图说明
图1为是本发明加权和法与SEM结合的武器装备作战能力的评估流程图；
图2是本发明武器装备体系的作战能力指标体系；
图3是本发明武器装备体系能力评估的SEM模型；
图4是本发明武器装备体系能力评估的加权和法与SEM法结合的模型；
图5两种算法的体系作战能力评估值比较。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
本发明的目的在于，为克服对于大规模指标体系采用传统SEM评估作战能力时模型复杂、待估参数多、求解不容易收敛、对测量变量的样本数据的数量需求量大、多种仿真结果存在个性化差异等因素，从而无法发挥SEM的优势在武器装备体系作战能力上的应用的问题，提供一种基于加权和法与SEM结合算法的武器装备体系能力评估方法。
为实现上述目的，本发明提供的一种加权和法与SEM法结合的武器装备体系能力评估方法包含如下步骤：
S1、设计不同方案，每种方案可产生一套仿真结果数据。
S2、建立作战能力指标体系，构建火力打击能力和其它作战能力(情报侦查能力、指挥控制能力、保障生存能力)的关系以及其它作战能力指标之间的相互关系，通过网状结构表达，如图2所示。建立这些作战能力以树状结构分解指标，最末级指标为可测量的变量。
S3、体系作战能力的SEM构建和t规则识别，基于作战能力指标体系构建SEM，如图3所示。为了保证该模型是可以估计的，必须对模型进行识别，常用t规则。t规则就是待估计的未知参数个数t满足
Figure BDA0002844238370000061
就说明SEM是可识别的。其中：t是待估的未知参数个数；p是内生可测变量的个数，如图为x的数量；q是外生可测变量的个数，如图为y的数量。
S4、通过采集模块读取体系对抗仿真结果数据，获得x，y的值。具体地，仿真结果数据为对于同一仿真方案进行的多次体系对抗仿真试验的结果数据。
S5、对仿真数据进行预处理，即将末级指标进行归一化处理，将x，y进行归一化处理。并在此基础上对同一方案下的多次仿真结果多次预处理，多次预处理结果进行均值计算，得到同一方案下的末级指标归一化结果。各方案的末级指标归一化结果作为SEM的数据准备。
S6、采用客观赋权法即熵权法求解底层或末级指标权重，然后采用加权和法聚合指标，得到p1-p8。聚合指标作为SEM中的显变量。得到的各方案的聚合指标值作为改进SEM的数据准备。
熵权法是一种客观赋权法，具体方法如下。
现有m个方案，n个评价指标，形成原始数据矩阵A。
Figure BDA0002844238370000062
其中，aij为第j个指标第i个方案的评价值。
各指标权重求解过程如下：
S61、计算第j个指标下第i个方案的指标值的比重hij
Figure BDA0002844238370000071
S62、计算第j个指标的熵值ej
Figure BDA0002844238370000072
S63、计算第j个指标的熵权wj
Figure BDA0002844238370000073
加权和法是由下级指标值分别乘以各自权重的积然后求和得到上级指标的评估值，如下所示。
Figure BDA0002844238370000074
其中，aij是第i个方案第j个下级指标的值，wj为第j个下级指标在同层指标中的权重，n为下级指标数量。Ei为第i个方案的上级指标的评估值。如图2所示，求得p1-p8的m个方案的估计值。
S7、体系能力评估的SEM的参数估计。将6)中的数据导入LISREL8.8，计算协方差矩阵，基于2)构建SEM路径图或编写SEM程序，采用最大似然估计法，执行计算，得到SEM中的未知参数的估计值和t检验值。
S8、体系作战能力评估SEM的评价与修正。基于求得的未知参数估计值对应的t检验值来判断该参数是保留还是剔除。一般来说t检验值的绝对值大于1.96，表明估计的参数是合理的，可以保留，否则，就把该参数从模型中剔除。剔除的顺序是从t检验值的绝对值最小开始剔除，每剔除一次，就重新对SEM模型进行参数估计和t检验值计算。直到所有估计值的t检验值的绝对值均大于1.96为止。最后，通过LISREL8.8查看SEM拟合参数是否满足NFI>0.9、NNFI>0.9、CFI>0.9，如满足，说明SEM拟合较好。该步骤在LISREL8.8中进行。
S9、基于估计值得到体系作战能力与显变量的定量关系模型。
S10、求解作战能力指标值并给出评估结论，根据作战能力评估值选择满意的方案。
下面结合附图及具体实施例对本发明作进一步的描述。
本发明为体系对抗仿真进行武器装备作战能力评估方法提供了一种加权和法与SEM结合的武器装备体系能力评估方法。该方法是在SEM进行武器装备作战能力评估中增加了对指标体系的末级指标值的聚合处理。采用熵权法求解底层指标权重，然后采用加权和法聚合指标，从而减少显变量的数量。然后利用LISREL8.8进行SEM作战能力评估。我们在陆军某旅级对抗仿真试验评估过程中，采集相关体系对抗仿真试验数据，通过改进SEM和原SEM分别进行体系作战能力评估，证明改进SEM方法的合理性，可以有效降低评估模型难度和减少对样本数量的需求，从而实现大规模指标体系对SEM的应用。
具体步骤如下：
步骤1中，基于可测变量的数量49个，本次设计120个方案。每个方案仿真100次，仿真共计12000次。原SEM和改进SEM共用这些仿真数据。
步骤2，如图2设计了武器装备体系的作战能力指标体系，为一中等规模的指标体系，可测变量49个。火力打击能力和其它作战能力(情报侦查能力、指挥控制能力、保障生存能力)的关系，这些作战能力又以树状结构分解为二级和三级指标，末层指标为可测变量。原SEM和改进SEM共用此指标体系。
步骤3，体系作战能力的SEM构建和t规则识别。
基于图2的武器装备体系作战能力指标体系，建立图3中武器装备作战能能力评估的SEM。外生显变量取图2中的x1-x46，内生显变量取y1-y3，外生潜变量取情报侦察能力ξ1、指挥控制能力ξ2、保障生存能力ξ3，内生潜变量取火力打击能力η1。模型中包括46个内生显变量，3个外生显变量，105个需要估计的参数。根据t准则，t＝115,(p+q)(p+q+1)/2＝(46+3)(46+3+1)/2＝1225,所以模型是可以识别的。
SEM包括两部分：测量模型与结构模型。
测量模型反映的是显变量X、Y与潜变量η、ξ之间的关系。模型的测量方程为
X＝Λxξ+δ (5)
Figure BDA0002844238370000091
Y＝Λyη+ε (7)
Figure BDA0002844238370000092
结构模型反映的是潜变量与潜变量之间的关系。模型的结构方程为
η＝Bη+Γξ+ζ (9)
当前模型个，B为0矩阵
Figure BDA0002844238370000093
假设SEM方程中有p个外生变量、q个内生变量、m个外生潜变量和n个内生潜变量。各变量说明如下：
X—由p个外生显变量组成的p×1维向量；
Y—由q个外生显变量组成的q×1维向量；
Λx—X在ξ上的p×m维负荷矩阵，反映了外生显变量与外生潜变量之间的关系；
Λy—Y在η上的q×n维负荷矩阵，反映了内生显变量与内生潜变量之间的关系；
δ—由p个测量误差组成的p×1维向量，是外生显变量X的误差项；
∈—由q个测量误差组成的q×1维向量，是内生显变量Y的误差项；
ξ—由m个外生潜变量组成的m×1维向量；
η—由n个外生潜变量组成的n×1维向量；
B—是n×n维系数矩阵，表示内生潜变量之间的相互关系；
Γ—是n×m维系数矩阵，表示外生潜变量ξ对内生潜变量η的影响；
ζ—由n个解释误差组成的n×1维向量，表示结构方恒的残差项。
基于图2的武器装备体系作战能力指标体系，建立图4中武器装备作战能能力评估的改进SEM，由于图2中情报侦察能力ξ1、指挥控制能力ξ2和保障生存能力ξ3对应的显变量较多，对于这三个能力的46个三级指标先进行聚合，基于加权和聚合为8个二级指标p1-p8，由于火力打击能力η1对应的内生显变量只有3个，不需要聚合。以8个聚合的二级指标和3个火力打击的三级指标作为SEM中的显变量，潜变量仍取图2中的情报侦察能力ξ1、指挥控制能力ξ2、保障生存能力ξ3、火力打击能力η1。模型中包括8个内生显变量，3个外生显变量，29个需要估计的参数。根据t准则，t＝29,(p+q)(p+q+1)/2＝(8+3)(8+3+1)/2＝66,所以模型是可以识别的。
模型的测量方程为
X＝Λxξ+δ (11)
Figure BDA0002844238370000101
Y＝Λyη+ε (13)
Figure BDA0002844238370000102
模型的结构方程为
η＝Bη+Γξ+ζ (15)
Figure BDA0002844238370000111
步骤4，从通过中间关系数据库中直接采集仿真过程数据，将评估所需的数据进行提取，按类型、属性等格式存放于评估系统数据库表中。
步骤5，对于12000套数据预处理，针对每一个方案，分别计算SEM的可测变量指标值(x1-x46、y1-y3)的平均值，如表1、2所示。这些数据可作为SEM的数据准备。
表1 SEM的可测变量指标值
Figure BDA0002844238370000112
表2加权和法与SEM结合算法的可测变量指标值
Figure BDA0002844238370000113
步骤6，基于表1数据，采用加权和与熵权法，求解改进SEM所需的可测变量p1-p8的数据，如表2所示。
步骤7，体系能力评估的SEM的参数估计。
对于原SEM，将表1中的数据导入LISREL8.8，计算协方差矩阵，基于步骤3构建SEM路径图或编写SEM程序，采用最大似然估计法，执行计算，得到SEM中的未知参数的估计值、估计值对应的t检验值，如表3所示，SEM拟合参数NFI＝0.96，NNFI＝0.92，CFI＝0.97，拟合指数越接近1越好，这些指数处于合理范围内，因此模型的设计以及参数的估计是合理的。可以将估计的参数值作为装备体系作战能力评估的参数。
表3 SEM参数估计值及t检验值
Figure BDA0002844238370000121
对于加权和法与SEM结合的情况，将表2中的数据导入LISREL8.8，计算协方差矩阵，基于步骤3构建SEM路径图或编写SEM程序，采用最大似然估计法，执行计算，得到SEM中的未知参数的估计值、估计值对应的t检验值，如表4所示，SEM拟合参数NFI＝0.96，NNFI＝0.97，CFI＝0.95，这些指数处于合理范围内，因此模型的设计以及参数的估计是合理的。可以将估计的参数值作为装备体系作战能力评估的参数。
表4加权和法与SEM结合算法参数估计值及t检验值
Figure BDA0002844238370000131
步骤8，体系作战能力评估SEM的评价与修正。根据表3、4中t检验值说明模型的估计参数都是显著的，即每个估计的参数都是必要的，不需要修正。
步骤9，基于估计值得到体系作战能力与显变量的定量关系模型。
对于原SEM，作战能力与测量变量的定量关系模型如下:
(1)情报侦查能力评估模型
ξ1＝26.32x1+11.24x2+25.64x3+8.33x4+16.95x5+9.09x6+19.61x7+47.62x8+12.99x9+13.51x10+22.22x11+30.30x12+27.03x13+13.16x14-0.66 (17)
(2)指挥控制能力评估模型
ξ2＝8.33x15+32.26x16+20.41x17+13.16x18+11.36x19+7.69x20+21.74x21+23.26x22+11.76x23+14.49x24+23.26x25-0.38 (18)
(3)保障生存能力评估模型
ξ3＝20.00x26+23.26x27+19.61x28+17.86x29+20.00x30+26.32x31+20.83x32+16.39x33+11.76x34+20.00x35+15.38x36+20.41x37+19.61x38+16.13x39+18.52x40+27.78x41+18.18x42+19.61x43+32.26x44+29.41x45+20.83x46-0.80 (19)
(4)火力打击能力评估模型
η1＝5.56y1+8.33y2+5.26y3-0.16 (20)
对于加权和法与SEM结合的算法，作战能力与测量变量的定量关系模型如下:
情报侦查能力评估模型
(1)情报侦查能力评估模型
ξ1＝14.29p1+15.38p2+27.78p3-0.062 (21)
(2)指挥控制能力评估模型
ξ2＝10.64p4+19.61p5-0.035 (22)
(3)保障生存能力评估模型
ξ3＝19.23p6+19.23p7+18.87p8-0.014 (23)
(4)火力打击能力评估模型
η1＝5.56y1+7.69y2+5.26y3-0.162 (24)
步骤10，分别应用SEM、加权和法与SEM结合的算法计算的武器装备体系能力估计结果比较。由于火力打击能力是评估武器装备体系作战能力的主要依据，所以依据装备体系作战能力两种算法的估计值得到的火力打击能力评估模型的计算，可以得到120个方案的体系作战能力结果，结果如图5所示。从图5可以看出，基于加权和法与SEM结合算法计算的体系作战能力评估值与原SEM计算的评估值虽然具体值有差距，但是趋势相同，说明了加权和法与SEM结合算法的合理性。
下面详细说明本发明技术方案中所涉及到的各个细节问题：
1、仿真数据采集
为保证体系对抗仿真能够尽可能覆盖武器装备在实际作战中的多种可能运行状态，我们通过蒙特卡罗方法进行多次仿真试验，以使得到的仿真数据更能够客观模拟出战场上真实的装备运行过程。仿真试验的次数尽可能丰富，对同一种仿真想定，进行多次仿真试验，在此基础上，客观进行后续评估处理。
蒙特卡罗方法，又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上个世纪四十年代中期为了适应当时原子能事业的发展而发展起来的，由匈牙利美籍数学家约翰·冯·诺伊曼(John Von Neumann)发明，并被广泛应用于各个领域。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。
当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的概率，或者这个随机变数的平均值，并用它们作为问题的解，这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验，它以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。蒙特卡罗解题可以归结为三个主要步骤：构造或描述概率过程、实现从已知概率分布抽样、建立各种估计量。
2、对传统SEM进行了显变量的聚合处理，适用于大规模指标体系的评估，即引入了熵权法求解底层指标权重，然后采用加权和法聚合指标，减少显变量的数量和待估参数数量，从而降低了SEM应用的难度，同时减少了数据样本的需求。对于陆军旅级规模的武器装备体系的作战能力评估时，由于装备类型多，需要建立较多的指标才能更好的反映体系作战能力，比如构建大约400个指标(测量变量)，则在SEM的应用上难度大大增加，SEM模型会变得更加复杂，求解也不容易收敛。同时，随着指标体系中可测变量的增加，测量变量的样本数据的数量也需要更多，大量的测量变量的样本数据获取也会变得困难，使得SEM的优势很难发挥，故SEM对于大规模指标体系的作战能力评估还不能提出有效办法。中等规模指标体系下体系作战能力评估结论也证明了改进后评估方法的合理性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种加权和法与SEM法结合的作战能力评估方法，其特征在于，该方法包括如下步骤：
S1、设计不同方案，每种方案可产生一套仿真结果数据；
S2、建立作战能力指标体系，构建火力打击能力和其它作战能力的关系以及其它作战能力之间的相互关系，通过网状结构表达，将这些作战能力以树状结构分解指标，最末级指标为可测量的变量；
S3、基于作战能力指标体系构建结构方程模型SEM，使用t规则对模型进行识别；
S4、通过采集模块读取体系对抗仿真结果数据；
S5、对仿真结果数据进行预处理，即将末级指标进行归一化处理，并在此基础上对同一方案下的多次仿真结果多次预处理，多次预处理结果进行均值计算，得到同一方案下的末级指标归一化结果；各方案的末级指标归一化结果作为SEM的数据准备；
S6、采用熵权法求解末级指标权重，然后采用加权和法聚合指标，聚合指标作为SEM中的显变量，得到的各方案的聚合指标值作为改进SEM的数据准备；
S7、将S6中的数据导入LISREL，计算协方差矩阵，基于S2构建SEM路径图或编写SEM程序，采用最大似然估计法执行计算，得到SEM中的未知参数的估计值和t检验值；
S8、基于求得的未知参数估计值对应的t检验值来判断该参数是保留还是剔除，每剔除一次，就重新对SEM模型进行参数估计和t检验值计算，直到所有估计值的t检验值都满足要求；通过LISREL查看SEM拟合参数NFI、NNFI、CFI是否满足要求，如满足，说明SEM拟合较好；
S9、基于估计值得到体系作战能力与显变量的定量关系模型；
S10、求解作战能力指标值并给出评估结论，根据作战能力评估值选择满意的方案。
2.如权利要求1所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S2中的其它作战能力包括情报侦查能力、指挥控制能力和保障生存能力。
3.如权利要求1所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S3中的t规则为：待估计的未知参数个数t满足
Figure FDA0002844238360000021
Figure FDA0002844238360000022
则说明SEM是可识别的，其中t是待估的未知参数个数，p是内生可测变量的个数，q是外生可测变量的个数。
4.如权利要求1所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S4中的采集的体系对抗仿真结果数据为对于同一仿真方案进行的多次体系对抗仿真试验的结果数据。
5.如权利要求1-4任一项所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S6中的熵权法的具体方法步骤如下：
现有m个方案，n个评价指标，形成原始数据矩阵A；
Figure FDA0002844238360000023
其中，aij为第j个指标第i个方案的评价值；
各指标权重求解过程如下：
S61、计算第j个指标下第i个方案的指标值的比重hij
Figure FDA0002844238360000024
S62、计算第j个指标的熵值ej
Figure FDA0002844238360000025
S63、计算第j个指标的熵权wj
Figure FDA0002844238360000026
6.如权利要求5所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S6中的采用加权和法聚合指标具体包括：
加权和法是由下级指标值分别乘以各自权重的积然后求和得到上级指标的评估值，如下所示，
Figure FDA0002844238360000027
其中，aij是第i个方案第j个下级指标的值，wj为第j个下级指标在同层指标中的权重，n为下级指标数量，Ei为第i个方案的上级指标的评估值。
7.如权利要求1所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述LISREL为LISREL8.8。
8.如权利要求1所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S8中的基于求得的未知参数估计值对应的t检验值来判断该参数是保留还是剔除具体包括：如果t检验值的绝对值大于1.96，表明估计的参数是合理的，可以保留，否则，就把该参数从模型中剔除，剔除的顺序是从t检验值的绝对值最小开始剔除。
9.如权利要求8所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S8中的直到所有估计值的t检验值都满足要求包括：直到所有估计值的t检验值的绝对值均大于1.96为止。
10.如权利要求1所述的加权和法与SEM法结合的作战能力评估方法，其特征在于，所述步骤S8中的SEM拟合参数NFI、NNFI、CFI是否满足要求包括：SEM拟合参数是否满足NFI>0.9、NNFI>0.9、CFI>0.9。
CN202011503264.0A 2020-12-17 2020-12-17 一种加权和法与sem法结合的作战能力评估方法 Active CN112632765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011503264.0A CN112632765B (zh) 2020-12-17 2020-12-17 一种加权和法与sem法结合的作战能力评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011503264.0A CN112632765B (zh) 2020-12-17 2020-12-17 一种加权和法与sem法结合的作战能力评估方法

Publications (2)

Publication Number Publication Date
CN112632765A true CN112632765A (zh) 2021-04-09
CN112632765B CN112632765B (zh) 2023-09-22

Family

ID=75317334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011503264.0A Active CN112632765B (zh) 2020-12-17 2020-12-17 一种加权和法与sem法结合的作战能力评估方法

Country Status (1)

Country Link
CN (1) CN112632765B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177716A (zh) * 2021-04-30 2021-07-27 陈晓楠 海战场管理效能评估方法
CN113379298A (zh) * 2021-06-28 2021-09-10 中国标准化研究院 一种数字家庭服务质量测评方法
CN114676980A (zh) * 2022-03-03 2022-06-28 中国人民解放军战略支援部队航天工程大学 基于排序等级的装备作战效能一致性综合评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100015579A1 (en) * 2008-07-16 2010-01-21 Jerry Schlabach Cognitive amplification for contextual game-theoretic analysis of courses of action addressing physical engagements
CN107180160A (zh) * 2017-06-21 2017-09-19 西南交通大学 基于sem模型的公共自行车用户忠诚度确定方法
CN110264028A (zh) * 2019-04-29 2019-09-20 中国电子科技集团公司电子科学研究院 一种装备体系贡献率评估方法及装置
CN111080108A (zh) * 2019-12-06 2020-04-28 上海机电工程研究所 数据驱动的武器装备作战效能评估指标筛选方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100015579A1 (en) * 2008-07-16 2010-01-21 Jerry Schlabach Cognitive amplification for contextual game-theoretic analysis of courses of action addressing physical engagements
CN107180160A (zh) * 2017-06-21 2017-09-19 西南交通大学 基于sem模型的公共自行车用户忠诚度确定方法
CN110264028A (zh) * 2019-04-29 2019-09-20 中国电子科技集团公司电子科学研究院 一种装备体系贡献率评估方法及装置
CN111080108A (zh) * 2019-12-06 2020-04-28 上海机电工程研究所 数据驱动的武器装备作战效能评估指标筛选方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177716A (zh) * 2021-04-30 2021-07-27 陈晓楠 海战场管理效能评估方法
CN113177716B (zh) * 2021-04-30 2023-09-01 陈晓楠 海战场管理效能评估方法
CN113379298A (zh) * 2021-06-28 2021-09-10 中国标准化研究院 一种数字家庭服务质量测评方法
CN114676980A (zh) * 2022-03-03 2022-06-28 中国人民解放军战略支援部队航天工程大学 基于排序等级的装备作战效能一致性综合评估方法

Also Published As

Publication number Publication date
CN112632765B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN112632765A (zh) 一种加权和法与sem法结合的作战能力评估方法
CN107454105B (zh) 一种基于ahp与灰色关联的多维网络安全评估方法
CN103370722B (zh) 通过小波和非线性动力学预测实际波动率的系统和方法
CN112132233A (zh) 一种基于有效影响因子的服刑人员危险行为预测方法及系统
CN103577676A (zh) 污水处理工艺综合评价的灰色加权法
CN108830407B (zh) 多工况条件下结构健康监测中的传感器分布优化方法
CN109299491B (zh) 一种基于动态影响图对策的元模型建模方法及使用方法
CN114861800B (zh) 模型训练方法、概率确定方法、装置、设备、介质及产品
CN113837644B (zh) 基于灰色关联的装备作战效能与贡献率一体化评估方法
CN116737529A (zh) 一种多维度的软件数据可靠性验证方法
CN115906669A (zh) 一种顾及负样本选取策略的密集残差网络滑坡易发性评价方法
CN109978138A (zh) 基于深度强化学习的结构可靠度抽样方法
CN110084474A (zh) 一种变电站自动化设备互操作能力评价方法及系统
CN115509877A (zh) 一种信息系统性能效率的评估方法
CN106294983A (zh) 一种面向舰船研制过程的质量量化评价方法
CN113722195A (zh) 基于ahp层级分析法的局域网运行评估系统及方法
Yang et al. A testability allocation method based on analytic hierarchy process and comprehensive weighted
Yangyang et al. A new method of multi-target threat assessment for air combat
CN117235477B (zh) 基于深度神经网络的用户群组评估方法和系统
CN117217392B (zh) 一种通用装备保障需求的确定方法及装置
Gata et al. The Feasibility of Credit Using C4. 5 Algorithm Based on Particle Swarm Optimization Prediction
CN113010847B (zh) 一种装备体系作战发展趋势转折点的判别方法
CN114117710B (zh) 一种基于复杂网络的作战方案优化和选择方法及存储介质
Wang et al. Research on economic vitality based on combination weighting method and grey relational analysis
CN116956642B (zh) 一种威胁评估算法性能动态仿真验证方法

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