导弹武器系统研制费用估算方法

针对导弹武器系统研制费用相关数据样本量少,变量之间存在严重共线性等问题,提出了一种基于偏最小二乘法的研制费用估算模型。引入库克距离对原始数据进行识别,并剔除异常数据,采用灰色关联度分析法选取相关度高的自变量,提高模型准确性和稳定性。利用偏最小二乘法进行数据拟合,估算出导弹武器系统的研制费用。应用算例的计算结果表明,该方法建立的研制费用估算模型拟合度良好,计算误差在8%以内。     

防空导弹平均速度分析

分析了防空导弹平均速度的计算方法。首先给出了水面舰艇编队防空作战中目指线和自卫线的计算模型,阐述了防空导弹平均速度在其中的重要影响,然后分析了防空导弹速度特性,在此基础上得出满足作战要求的计算方法,最后根据典型弹道参数对防空导弹平均速度进行了仿真计算。     

空投产品入水可靠性的评估方法

针对空投某产品时试验多状态、小样本的特点,提出了基于回归折算的性能可靠性评估方法.通过分析投放过程的数学模型,给出入水参数关于投放条件的回归模型,并根据试验数据估计出回归系数.利用回归折算将分散在不同空投条件下的试验数据折算到某一条件下,基于折算后的试验数据得到了较客观的产品入水可靠性评估结果.     

一种基于KNN-SVR的基因表达缺失值的估计方法

为了消除不相似基因对基因表达谱中缺失值估计的影响,提出了一种基于KNN SVR的缺失值估计方法.该方法先通过最近邻法选出与目标基因表达最相似的一组完全基因,再用这些基因通过支持向量回归对缺失值进行估计.还提出了用标准化偏差的方差来度量算法的稳定性和估计值的可信度.该方法通过对基因的过滤提高了缺失值估计的有效性.实验结果表明,KNN SVR法具有较高的估计精度和稳定性.     

基于灰色非线性回归模型的故障预测

为克服传统灰色模型的局限性,通过对一阶累加生成序列规律性的分析,将灰色模型和非线性回归模型相结合,构造了一种灰色非线性回归模型。实例仿真结果表明,该模型既拓展了传统灰色模型的适用条件,又比传统灰色模型和非线性回归模型具有更高的预测精度,且适用性广。     

军事欺骗战法分析的数学方法-应用*

针对军事欺骗战法定量分析困难的问题,采用基于贝叶斯统计推断和博弈均衡分析的数学方法,在理论上为解决此难题提供了一种可行的方法.该方法首先定义基本概率矩阵,然后根据贝叶斯原理为交战双方构造用于统计推断的主观概率矩阵,并在由两个主观概率矩阵元素构成的偏序链与实施军事欺骗机会之间建立对应关系,再将此关系推广到基本概率矩阵,即是否存在实施军事欺骗的机会将由基本概率矩阵元素构成的偏序链决定.对理论成果的初步应用表明:通过分析由战场情报信息构成的基本概率矩阵的偏序链,可以科学地运用军事欺骗和反军事欺骗战法.     

平底气泡船凹槽气层波动特性

为提高大型平底气泡船底部凹槽设计的有效性,基于RANS方程及VOF两相流模型构建了大型平板船凹槽气层数值计算模型。研究气层在凹槽中的动态发展过程,分析速度对气层波动的影响规律,并阐述三维凹槽气层的波形特性及其与二维气层波动的区别,揭示气层波动的相似律。数值结果表明:气层在凹槽中呈现波动形态,气层波长随速度的增加而增大,波长等于速度平方的0.64倍;气层在凹槽侧壁的干扰及反射下呈现相干波系,从而其波高及局部厚度也随之改变;气层波动满足傅汝德相似。     

灰色灾变与回归分析法的航空装备不安全事件预测

为提高航空装备不安全事件的预测水平,减少事故造成的人员和财产损失,将灰色灾变与回归分析方法有机结合,提出一种航空装备不安全事件的组合预测方法。该方法先从数据中找出灾变点(灾变发生的日期),通过建立这些灾变点的灰色灾变模型预测未来灾变点,再对这些灾变点上的值构建灰色预测模型,计算出未来灾变点的灾变值;而对于非灾变点,可建立合适的回归分析模型进行预测。为验证其可行性,在某飞行训练基地的航空装备不安全事件频数的数据基础上,建立了灰色灾变回归组合预测模型,结果表明,模型对2001年~2004年预测的相对误差平均控制在6.87%以内,所建立的组合模型,能够比较客观地反映航空装备安全的未来实际状况。     

双频去相关单历元动态解算整周模糊度研究

针对GPS实时动态精密相对定位应用背景,提出一种整周模糊度实时求解方法。采用宽巷组合载波相位双差、伪距双差观测信息建立观测模型;对浮点模糊度协方差阵进行一次Cholesky分解,构造了浮点转换矩阵,使浮点模糊度完全去相关;推导确定整周模糊度的搜索空间;利用最小残差平方和搜索准则,确定单历元整周模糊度,并用OVT检验方法,对不同历元得到的整周模糊度进行一致性检验。结果表明,观测量误差均方差取值对整周模糊度搜索空间和成功率有较大影响,附加OVT检验的双频去相关单历元动态解算整周模糊度方法正确可行。     

An approach for predicting digital material consumption in electronic warfare

Electronic warfare is a modern combat mode, in which predicting digital material consumption is a key for material requirements planning (MRP). In this paper, we introduce an insensitive loss function (ε) and propose a ε-SVR-based prediction approach. First, we quantify values of influencing factors of digital equipments in electronic warfare and a small-sample data on real consumption to form a real combat data set, and preprocess it to construct the sample space. Subsequently, we establish the ε-SVR-based prediction model based on “wartime influencing factors - material consumption” and perform model training. In case study, we give 8 historical battle events with battle damage data and predict 3 representative kinds of digital materials by using the proposed approach. The results illustrate its higher accuracy and more convenience compared with other current approaches. Taking data acquisition controller prediction as an example, our model has better prediction performance (RMSE = 0.575 7, MAPE (%) = 12.037 6 and R² = 0.996 0) compared with BP neural network model (RMSE = 1.272 9, MAPE (%) = 23.577 5 and R² = 0.980 3) and GM (1, 1) model (RMSE = 2.095 0, MAPE (%) = 24.188 0 and R² = 0.946 6). The fact shows that the approach can be used to support decision-making for MRP in electronic warfare.