空袭目标流威胁评估与排序模型研究

结合现代防空作战的特点和指挥自动化系统的工作过程 ,对影响目标威胁评估的各种因素进行了分析 ,利用模糊综合评价等理论和方法 ,给出了进行威胁评估的因素集和评价集 ,建立了相应的数学模型 ,叙述了进行威胁评估与排序的方法。

基于模糊物元分析的空袭目标威胁评估与排序方法

结合现代防空作战特点,分析了影响目标威胁评估与排序的因素,在模糊物元分析的基础上,结合欧氏(欧几里得)贴近度的概念,提出了基于欧氏贴近度的模糊物元分析法。在对空袭目标进行威胁评估与排序时,将目标的各个特征作为物元的事物,以其各项评价指标及其相应的模糊量值构造复合模糊物元。通过计算与标准模糊物元之间的欧氏贴近度,并采用信息熵法计算各评价指标的权重,实现了对空袭目标的威胁评估与排序,为空袭目标威胁评估与排序提供了一个新的方法。

基于改进排列法的装备重要性评估与排序

本文结合新装备本身和应用的实际,分析了影响装备重要性的几个重要因素,应用多属性决策中的一种改进排列法建立了数学模型。通过定性比较和定量计算,只需知道各属性间的大小关系及权重就可以进行装备重要性的评估与排序。该方法将主观判断给予量化,为装备的科学区分提供了参考依据。

灰色关联投影法的威胁排序算法

威胁评估与排序是作战系统和C4I系统必须具备的重要功能。结合多指标决策理论和灰色系统理论,提出了基于多指标决策灰色关联投影法的威胁排序算法。首先通过建立灰色关联判断矩阵将威胁排序转化为多指标决策问题;其次为缩小极端值的影响提出了基于信息熵的威胁指标权重算法;最后从矢量投影角度应用灰色关联投影值进行威胁排序;并分别研究了分辨系数和指标权重对威胁排序的影响。通过现代防空作战实例验证了算法的有效性和工程实用性。

基于DDBN-Cloud的舰艇编队防空目标威胁评估方法

海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络-云模型(discrete dynamic Bayesian networks cloud,DDBN-Cloud)的威胁评估方法。通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络-云模型(Bayesian networks cloud,BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值。