基于改进的神经网络的军械备件需求预测

针对当前军械应急保障中备件供应需求依据经验判断,从而导致保障不精准的现实问题,浪费应急保障资源,削弱部队战斗力.在对军械备件需求量进行分析时发现,军械备件需求符合间断型备件需求特征.基于改进的神经网络军械应急维修备件需求预测模型,利用神经网络模型的强大非线性函数的拟合能力,将间断型的备件需求分解为两步.最终,将两个序列预测结果综合分析,得出军械备件需求预测结果.根据改进神经网络预测模型,结合某单位某军械装备保障数据,用总体数据的4/5作为训练数据,1/5作为测试数据进行预测,实验结果表明,改进的神经网络预测模型预测精度优于其他预测模型,预测精度符合预期,可以为军械应急保障提供依据.     

基于图像识别的模拟射击精度判定方法

针对当前瞄靶训练效率低、无评判标准,而多数模拟射击训练系统忽视瞄准过程仅注重瞄准结果的现实问题,基于图像识别的模拟射击系统在击发瞬间采集瞄准图像,通过图像处理,得出觇孔圆中心、准星顶点中心和靶纸中心,再利用灰度矩细分定位法检测各中心之间的距离。根据射击原理,运用相似三角形的比例关系,计算得出模拟弹着点的方向和高低偏移量,从而得出模拟射击的射击精度,并通过实弹射击对其进行仿真及验证。结果证明,此方法可以有效地对模拟射击精度进行计算,且能获得每次击发后正确的瞄准修正方法,可替代当前的瞄靶训练。