美军CPGS武器装备动向分析及思考

快速全球打击(PGS)武器是近年来在美俄削减核武器的背景下,美军积极探索发展一种"慑战兼备"的新型战略威慑力量。文章深入分析了美军发展PGS武器装备的技术方案、现实进展和未来趋势,并结合我国实际给出了三点应对策略。     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。     

基于频谱分析的雷达信号分选新方法

相参性是现代雷达的普遍性质,利用雷达脉冲之间的相参性,提取相参特征参数,并运用于雷达信号分选,对降低当前信号分选中存在的“漏批”率具有重要的意义。本文在基于频谱分析的相参特征模型基础上,研究了基于最小二乘模板匹配误差的相参特征,并提出了具体应用中的改进措施。仿真结果表明,利用频谱主峰图像最小二乘模板匹配误差这一相参特征参数进行信号分选,可以有效地减少“漏批”率。     

模拟训练系统中CGF的号手操作技能建模

针对模拟训练系统对CGF真实性的要求,从号手的操作技能入手,建立可以反映真实训练水平的号手操作技能模型。在分析操作技能相关原理和规律的基础上,采用时间序列分析的方法对其进行预测。采用了指数平滑预测模型,详细分析了其原理,并针对其在实际应用中的缺陷进行了改进。最后,通过两个实际案例验证了模型的可用性和可信性。所建模型反映了号手的操作技能,为模拟训练系统中CGF的真实性研究提供新的思路和方法。     

基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.     

基于历史数据挖掘的战场气象环境数据模糊预测算法

现代模拟仿真训练过程中,对于虚拟战场气象环境的仿真,大多采用重现训练场地某一段历史战场气象环境数据的方法.而战场气象环境预测大多为通过数据挖掘技术预测未来短期的气象数据,缺乏长远的预测方法.针对上述缺点,对战场气象环境历史数据进行处理,给出了一种基于历史数据挖掘的未来战场气象环境数据模糊预测的算法.     

基于双重相似度检索的舰船装备维修成本案例推理预测

由于舰船装备维修成本属性间关系复杂、案例数量不断增加等特点,案例推理方法在案例检索过程存在信息单一、检索效率不高等问题。为解决该问题,首先根据舰船特征属性的数据特点,将条件属性分类,分别构建了相应的相似度函数;其次,考虑属性间关系,分别采用改进模糊粗糙集和熵权法确定条件属性权重并构建组合权重;然后,提出了两级分类与双重相似度匹配的案例检索策略,逐级缩小了检索范围,提高了检索效率;最后,基于两种相似度进行案例检索,使检索结果包含了两种相似度度量下的信息,并定义案例密度辅助检索过程的推进,增强了结果的客观性。实例分析表明：该方法能够提高舰船装备维修成本的预测准确度。     

高校经管类课程研究性教学设计、实施与启示——以“市场调查与预测”课程为例

"市场"调查与预测"是一门实践性很强的课程,课程教学要求培养学生的创造能力和实践能力,这一要求与研究性教学培养理念相吻合。本文论述了在教学中实施研究性教学的具体方法及主要设计方案,并对教学结果进行了评估,提出了该课程实施研究性教学法的建议,为相关学科教学提供借鉴。