导弹贮存寿命预估的组合模型

在分析比较了几种寿命预估方法优缺点的基础上,针对单一预估方法在解决实际问题中所暴露的局限性,优选了GM-BPNN组合预估模型。该组合模型既利用了灰色预估理论具有所需要的样本数据少、原理简单、运算方便、短期预估精度高、可检验等优点,也发挥了神经网络并行计算、容错能力强、自适应能力强等优点。最后利用该组合模型对弹上某设备寿命进行了预估,取得了较好的预测效果。     

灰色关联分析中的空袭目标威胁度判断

在防空作战中,判断多批次空袭目标威胁度是一项复杂且主观性极强的工作。为避免人为因素对其判断的影响,用灰色关联分析的方法,从定性与定量的角度对判断过程进行了分析研究,提出了一种判断目标威胁度的方法。实例计算分析表明,所提出的方法较好地保护了已有的信息,确保了正确的判断结论。     

基于灰关联的砖混建筑抗震易损性指标重要性研究

采用灰关联分析法，通过对大量工程震害数据分析，得出了各砖混结构建筑抗震易损性评价指标与震害的灰关联系数，建立了建筑抗震易损性评价指标重要性模型，并以此依据对结构抗震易损性评价指标的影响程度进一步分析，筛选出影响其灾害损失的主要因素，使得砖混结构建筑抗震易损性预测结果定量化、合理化。     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测     

基于灰色关联的预警系统目标识别

针对弹道导弹预警系统目标识别任务的特点,通过分析弹道导弹和飞机目标间的运动特性差异,采用灰色关联分析方法建立了目标类型识别模型,给出了进行目标类型识别的具体步骤。该方法直接从雷达测量数据出发,具有简单、准确的优点。具体的算例验证了基于灰色关联分析的目标类型识别模型应用于目标识别的可行性和有效性。     

地空导弹阵地优选的灰色关联模型研究

依据地空导弹阵地优选受多因素制约的特点,运用灰色关联分析建立地空导弹阵地优选的灰色关联模型。通过综合研究地空导弹阵地选择的战术、技术要求及影响因素,提出了阵地选择的指标体系,进而结合使用Delphi法,建立了地空导弹阵地优选的灰色关联模型。经过实例计算证明了该模型具有实用性和推广价值。     

军品能力建设项目后的一种评价方法

由于军品的特殊性,其后评价标准与其他民品项目有所不同,根据军品技改项目的特点结合一般项目后评价内容,确定了军品技改项目后评价指标体系,共分为项目目标评价、项目实施管理评价、项目生产运营评价、项目生产力评价、项目经营效益评价、项目影响评价和项目持续性评价等7部分25个指标小项,并采用层次灰色法建立了军品技改项目后评价模型,为客观科学地进行军品技改项目的后评价提供了依据.     

基于混合粒子群优化的多目标决策新方法

多目标优化问题中的一个关键在于合理地评判各有效解的优劣。通过引入灰色系统理论中灰色关联度的概念作为评判准则,结合粒子群优化算法进行有约束多目标规划问题的研究。提出了一种新的不可行解的保留策略,进化过程中以此策略保留适量的不可行解,有利于增强对约束边界附近可能的最优解的搜索,同时,针对粒子群优化算法的容易陷入局部最优的缺点,实现了以粒子群优化为载体的混合算法:即对全局极值邻域进一步混沌搜索寻优。仿真结果表明改进的算法对多目标决策问题是有效的。     

基于灰度关联和神经网络的装备价格第三方服务机构评价模型

为了科学合理选择装备价格第三方服务机构,研究以灰度关联分析和神经网络方法构建评价模型。研究数据采用问卷调研形式获取,针对样本数据采用灰度关联法分析评价指标与综合评分之间的关联性,发现服务态度和制度建设情况两个评价指标与综合评分关联度达0.74以上,较为重要。采用有效二级指标和综合评分作为输入和输出数据,构建基于神经网络的装备价格第三方服务机构评价模型。通过实际数据验证分析,发现神经网络模型预测精准的概率为75%,预测满足要求的概率为25%,满足实际应用需求,能够为主管部门遴选机构建言献策。     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。