楊大偉 楊士鋒 于 飛

（海軍航空工程學(xué)院 煙臺 264001）

1 引言

隨著科技進(jìn)步和軍事裝備的更新，空襲作戰(zhàn)的理論也在不斷發(fā)展進(jìn)步，高技術(shù)條件下空襲一方將采用精確制導(dǎo)和遠(yuǎn)程突擊方式實現(xiàn)對多個目標(biāo)的同時攻擊。敵對空襲重點目標(biāo)的判斷上會不斷呈現(xiàn)新特點，采用新理論。為了提高防空作戰(zhàn)的效能，從空襲的角度，分析影響空襲目標(biāo)選擇的多種因素的特點及影響重點保衛(wèi)目標(biāo)選擇的各指標(biāo)的不確定性，選用模糊神經(jīng)網(wǎng)絡(luò)建立模型，對空襲重點目標(biāo)進(jìn)行判斷，以期對我防空作戰(zhàn)的重點保衛(wèi)目標(biāo)的確定提供一定的參考。

2 空襲重點目標(biāo)的分類

空襲重點目標(biāo)是指空防對抗中具有重要地位及作用，即較大作戰(zhàn)價值的地面目標(biāo)。例如：國家政治經(jīng)濟(jì)中心、重要交通樞紐、通信樞紐、作戰(zhàn)指揮中心及兵力集結(jié)地等。根據(jù)目標(biāo)不同的邏輯屬性，本文主要對影響空襲目標(biāo)選擇的各種指標(biāo)進(jìn)行綜合，確定出目標(biāo)的重要程度。按等級由高到低依次為A類→B類→C類→D類。A類目標(biāo)為重要空襲目標(biāo)；B類目標(biāo)為較重要空襲目標(biāo)；C類目標(biāo)為一般空襲目標(biāo)；D類目標(biāo)為不重要空襲目標(biāo)。

3 主要影響因素分析

依據(jù)對空襲理論的研究，為使空襲重點目標(biāo)的選擇具有科學(xué)性和靈活性，經(jīng)分析得出著重選取衡量被空襲目標(biāo)優(yōu)先順序的四個主要指標(biāo)有：戰(zhàn)爭階段、目標(biāo)地位、目標(biāo)易損特性和目標(biāo)損毀影響力。

3.1 戰(zhàn)爭階段

根據(jù)美軍空襲作戰(zhàn)理論和其在最近幾次局部戰(zhàn)爭中的空襲實踐看，為了達(dá)成空襲目的，在空襲過程的不同時期，空襲的重點也不一樣，因為目標(biāo)價值是隨著戰(zhàn)爭的發(fā)展而不斷變化的。一般可以概略的分為前期、中前期、中后期、后期四個主要階段。也可以按照空中作戰(zhàn)樣式來劃分，即制空作戰(zhàn)、戰(zhàn)略空襲、空中遮斷、近距離空中支援。

3.2 目標(biāo)地位

目標(biāo)地位是指目標(biāo)在戰(zhàn)爭中的地位及所起的作用，即是否對戰(zhàn)爭具有直接支援作用，是否具有戰(zhàn)爭潛力等。如戰(zhàn)場內(nèi)的交通系統(tǒng)（機(jī)場、鐵路、公路等）、通信系統(tǒng)等目標(biāo)對戰(zhàn)場具有直接支援作用，因此，這類目標(biāo)將成為空襲的重點目標(biāo)。目標(biāo)地位從以下幾個因素衡量：目標(biāo)的威脅程度，目標(biāo)對防空方作戰(zhàn)行動的影響，目標(biāo)的戰(zhàn)爭潛力，目標(biāo)毀壞后對民心和士氣的影響。

3.3 目標(biāo)易損特性

目標(biāo)易損特性是指目標(biāo)在受到攻擊時是否容易損壞的一種特性。目標(biāo)的易損特性主要與目標(biāo)的形狀、堅固程度、空襲兵器的作戰(zhàn)能力以及攻擊強(qiáng)度等因素有關(guān)。從目標(biāo)的易損特性看，點狀目標(biāo)比面狀目標(biāo)更容易被摧毀；沒有堅固工事依托的目標(biāo)比有堅固工事依托的目標(biāo)更脆弱；同樣的重點目標(biāo)，攻擊強(qiáng)度不一樣，其生存下來的可能性也不同。在相同空襲兵器的打擊下，易損特性高的目標(biāo)其相對價值就高，顯然需要重點保衛(wèi)。

3.4 目標(biāo)損毀影響力

目標(biāo)損毀影響力是指目標(biāo)被摧毀后的受損程度是否大、次生災(zāi)害是否嚴(yán)重以及是否易于修復(fù)。從空襲目標(biāo)選擇的一般原則看，必然選擇對軍事斗爭產(chǎn)生重大影響，尤其是具有“牽一發(fā)而動全身”的目標(biāo)進(jìn)行重點打擊。如機(jī)場、水電設(shè)施、化工企業(yè)等，這些目標(biāo)均具有受損影響面大、空襲次生災(zāi)害嚴(yán)重、輻射面廣等特點，很有可能成為空襲的重點目標(biāo)。

4 模糊神經(jīng)網(wǎng)絡(luò)建模

4.1 模糊神經(jīng)網(wǎng)絡(luò)理論

模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network，簡稱FNN）就是將模糊邏輯系統(tǒng)同神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合起來，匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點，整個系統(tǒng)具有較強(qiáng)的學(xué)習(xí)能力和表達(dá)能力。圖1為模糊神經(jīng)網(wǎng)絡(luò)的一般組織形式［1］。

圖1 模糊神經(jīng)網(wǎng)絡(luò)的邏輯結(jié)構(gòu)

模糊神經(jīng)網(wǎng)絡(luò)通?？梢苑譃榍跋蛐湍：窠?jīng)網(wǎng)絡(luò)和反饋型模糊神經(jīng)網(wǎng)絡(luò)兩大類。本文模型選取的是前向型神經(jīng)網(wǎng)絡(luò)。前向型模糊神經(jīng)網(wǎng)絡(luò)是一類可以實現(xiàn)模糊影射關(guān)系的模糊神經(jīng)網(wǎng)絡(luò)。一般來說，一個前向型模糊神經(jīng)網(wǎng)絡(luò)可由五層組成，分別為輸入層、模糊化層、模糊推理層（模糊關(guān)系映射網(wǎng)層）、去模糊化層和輸出層。圖2為含有兩個輸入層節(jié)點、一個輸出節(jié)點的一個基本前向模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)［2］。

圖2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型

4.2 重點空襲目標(biāo)選擇模型建立

依照以上分析和前向型模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，建立重點空襲目標(biāo)優(yōu)選模型［3］，其結(jié)構(gòu)見圖3。該模型共有五層，wij為第四層到第五層的連接權(quán)值，最后根據(jù)輸出值就可得出目標(biāo)的類別［4］。

1）第一層

第一層為輸入層，該模型的輸入指標(biāo)為

X＝｛戰(zhàn)爭階段，目標(biāo)地位，目標(biāo)易損特性，目標(biāo)損毀影響力｝，每個輸入代表一種指標(biāo)，相應(yīng)的向量為x＝（x1，x2，x3，x4）T，xi代表優(yōu)選重點保衛(wèi)目標(biāo)的第i個指標(biāo)。

圖3 重點保衛(wèi)目標(biāo)模糊神經(jīng)網(wǎng)絡(luò)模型

2）第二層

第二層每個節(jié)點代表各輸入分量相應(yīng)評價集的隸屬度，戰(zhàn)爭階段的評價集為

C1＝｛前期，中前期，中后期，后期｝；

目標(biāo)地位的評價集為

C2＝｛重要，較重要，一般，差｝；

目標(biāo)易損特性的評價集為

C3＝｛容易，較容易，一般，不容易｝；

目標(biāo)損毀影響力的評價集為

C4＝｛大，較大，一般，小｝。

各隸屬度的向量為μi（xi）＝（μi1，μi2，μi3，μi4）T，其中μik∈［0，1］，i＝1，…，4，k＝1，…，4，該層節(jié)點數(shù)N2＝16。

在本層中，請多位專家根據(jù)對某實際戰(zhàn)例的分析研究，使用尺度評分法（即讓專家只關(guān)注自己印象的位置，而不是強(qiáng)行尋找一個精確的數(shù)字，有利于減輕專家負(fù)擔(dān)和打分誤差）按照各因素對應(yīng)的評價集，將自己的“心理量尺”投影在評價集的相應(yīng)屬性值上，最后綜合所有專家意見得到隸屬度。假設(shè)請十位專家對某空襲戰(zhàn)例進(jìn)行評價，以戰(zhàn)爭階段評價集為例，其中三名專家認(rèn)為該次戰(zhàn)例屬于前期，五名認(rèn)為屬于中前期，兩名認(rèn)為屬于中后期，那么戰(zhàn)爭階段評價集的隸屬度向量為μ1（x）＝（0.3，0.5，0.2，0）T。

3）第三層

該層用于將各評價模糊信息進(jìn)行融合處理，即將各評價集進(jìn)行關(guān)聯(lián)。其每個節(jié)點代表一條模糊規(guī)則，該層節(jié)點數(shù)N3＝44。每條規(guī)則的使用度為

其中，λi，i＝1，2，3，4為各評價集之間的權(quán)重，可以根據(jù)具體模型比較各因素評價集之間的重要關(guān)系，確定其權(quán)重值λi。本文中認(rèn)為在空襲重點目標(biāo)選擇中，戰(zhàn)爭階段、目標(biāo)地位、目標(biāo)易損特性和目標(biāo)損毀影響力四個影響因素同等重要，即λ1＝λ2＝λ3＝λ4＝1。

該層的目的是為了使專家的評估與實際期望輸出更好地融合，更好地模擬空襲重點選擇理論，減小因?qū)＜以u估造成的主觀因素影響，將第二層中評價集隸屬度向量進(jìn)行細(xì)化分析。

4）第四層

該層為去模糊化層，并且為了使第五層便于判斷輸出在0與1之間，進(jìn)行歸一化計算，即

其中N4＝N3。

5）第五層

該層是模糊神經(jīng)網(wǎng)絡(luò)的輸出層，其輸出為目標(biāo)類型

其節(jié)點數(shù)N5＝4，相應(yīng)的輸出向量為

其中，yi≤1，取yi最大者為目標(biāo)類型值，得出目標(biāo)類型。

4.3 重點空襲目標(biāo)模型算法

本文建立的模糊神經(jīng)網(wǎng)絡(luò)模型是一個多層前饋網(wǎng)絡(luò)，所以，可仿照BP網(wǎng)絡(luò)用誤差反傳方法學(xué)習(xí)［5］。各輸入分量相應(yīng)的隸屬度可以認(rèn)為是已知的，則需要學(xué)習(xí)的參數(shù)就是最后一層的連接權(quán)值wij。該學(xué)習(xí)過程采用反向?qū)W習(xí)過程，即誤差反傳修正權(quán)值過程，使用梯度法對連接權(quán)值進(jìn)行修正。

本模型算法的具體流程按照如下步驟［6～7］：

μp為四個影響因素的隸屬度向量（即模型第二層的數(shù)值），為期望的輸出值，p＝1，2，…，P；

2）利用式（1）對第二層隸屬度向量進(jìn)行計算求解，得到第三層輸出：

3）對第三層輸出，使用式（2）進(jìn)行歸一化處理，計算求得

5）根據(jù)式（3）可以得到輸出向量yi，使用誤差函數(shù)［8］

得到輸出向量與期望輸出值差的平方和的均值E；

6）如果誤差E＜ε，網(wǎng)絡(luò)訓(xùn)練完成，進(jìn)入下一步驟；否則，使用梯度法對權(quán)系數(shù)wij進(jìn)行修正，修正完成后轉(zhuǎn)向步驟5）；

7）對訓(xùn)練好的模型輸入典型樣本檢驗?zāi)Ｐ偷目煽啃裕?/p>

8）請專家針對本次戰(zhàn)斗情況，對我欲保衛(wèi)的目標(biāo)的四個影響因素進(jìn)行打分，將打分結(jié)果代入模型，評估是否重點空襲目標(biāo)［9］。

5 應(yīng)用實例

設(shè)敵方可能對我需保衛(wèi)的三個目標(biāo)實施空襲，我防空兵為了對目標(biāo)進(jìn)行重點防御，預(yù)測敵是否對該三個目標(biāo)進(jìn)行重點空襲，請專家選擇了八個樣本目標(biāo)根據(jù)該敵近次空襲中的實際情況，對八個目標(biāo)的各因素隸屬度和目標(biāo)類型進(jìn)行了評估，如表1所示。并針對本次戰(zhàn)斗實際情況對需保衛(wèi)的三目標(biāo)的各因素隸屬度進(jìn)行評估（見表2）。

表1 專家對樣本目標(biāo)評估結(jié)果

表2 專家對我保衛(wèi)目標(biāo)的評估

對該實例使用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，以專家對八個目標(biāo)的評定結(jié)果作為樣本（μ8，＾y8），設(shè)定誤差容許限ε＝0.0001，使用Matlab軟件按照上一節(jié)的算法流程，對模型進(jìn)行編程求解［12］。經(jīng)過求解計算，圖4中的曲線顯示了求解過程中誤差E的逐步迭代減小過程，總共修正權(quán)值161次，經(jīng)訓(xùn)練后誤差E＝9.84736×10－5＜ε。

圖4 模型誤差訓(xùn)練迭代過程圖

使用樣本中μ8作為輸入值檢驗?zāi)Ｐ偷目煽啃?，求得實際輸出y8，并與樣本輸出＾y8進(jìn)行比較（表3）。比較結(jié)果為該訓(xùn)練好的模型可靠性較高。

將我保衛(wèi)目標(biāo)的各因素隸屬度代入已訓(xùn)練好的模型中進(jìn)行求解，可以得到表4所示的輸出結(jié)果，根據(jù)其輸出結(jié)果的最大值可以預(yù)測該目標(biāo)是否是敵在該階段空襲的重要目標(biāo)。

表4 對我保衛(wèi)目標(biāo)的預(yù)測結(jié)果

6 結(jié)語

為了更充分發(fā)揮專家的經(jīng)驗和智慧，同時又避免專家判斷的主觀性和隨意性，本文選取了模糊神經(jīng)網(wǎng)絡(luò)模型對空襲重點目標(biāo)進(jìn)行了分析。通過比較，該模型將專家打分和實際戰(zhàn)場敵空襲重點目標(biāo)選擇相結(jié)合，而不再是僅僅依靠專家的主觀判斷，集專家智慧和實際選擇于一體，使分析結(jié)果更加具有客觀性；利用模糊神經(jīng)網(wǎng)絡(luò)識別、學(xué)習(xí)、自適應(yīng)及模糊信息處理的優(yōu)點，抓住人類思維中的模糊性特點，再根據(jù)其實際選擇結(jié)果，逼近理論中的思考過程，有效地模擬了空襲重點選擇理論。因此，對預(yù)測結(jié)果具有較高的可靠性。

［1］田景文，高美娟.人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用［M］.北京：理工大學(xué)出版社，2006，12（2）：158－162.

［2］劉云輝，李鐘慎.改進(jìn)型模糊神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造［J］.華僑大學(xué)學(xué)報（自然科學(xué)版），2010，31（3）：256－259.

［3］王潔，婁壽春等.基于模糊神經(jīng)網(wǎng)絡(luò)防空重點保衛(wèi)目標(biāo)的選擇［J］.系統(tǒng)仿真學(xué)報，2006，16（1）：158－161.

［4］常勇，姜長生，陳志偉.基于模糊神經(jīng)網(wǎng)絡(luò)的多機(jī)多目標(biāo)空戰(zhàn)決策［J］.電光與控制，2011，18（4）：17－21.

［5］肖魏娜，張為群，王玲玲.一種基于BP神經(jīng)網(wǎng)絡(luò)的軟件需求分析風(fēng)險評估模型的研究［J］.計算機(jī)科學(xué)，2011，38（4）：199－202.

［6］李秀珍，孔紀(jì)名，李朝鳳.基于Matlab的BP神經(jīng)網(wǎng)絡(luò)在泥石流危險性評價中的應(yīng)用［J］.工程勘察，2010（1）：47－50.

［7］楊京曉，謝海洋.模糊神經(jīng)網(wǎng)絡(luò)在公路工程造價估算中的應(yīng)用［J］.中外公路，2007，27（5）：16－19.

［8］楊賓斌，唐露新.模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究［J］.機(jī)床與液壓，2009，27（5）：132－135.

［9］陳立新.防空導(dǎo)彈網(wǎng)絡(luò)化體系效能評估［M］.北京：國防工業(yè)出版社，2007：140－157.

［10］黃晶晶，熊才權(quán).粗糙集－神經(jīng)網(wǎng)絡(luò)在作戰(zhàn)效能評估中的應(yīng)用［J］.計算機(jī)與數(shù)字工程，2011，39（5）.

［11］陳伯芳，尹平林，馬龍.基于模糊神經(jīng)網(wǎng)絡(luò)的溫度控制系統(tǒng)研究［J］.計算機(jī)與數(shù)字工程，2010，38（7）.

［12］葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實現(xiàn)［M］.北京：電子工業(yè)出版社，2007：313－324.