楊奇，賀禎，魯兆楠，房彤宇

［作者單位］ 100850 北京，軍事科學(xué)院軍事醫(yī)學(xué)研究院一所（楊奇、賀禎、魯兆楠）；軍事科學(xué)院軍事醫(yī)學(xué)研究院（房彤宇）

現(xiàn)代戰(zhàn)爭(zhēng)以信息化為主要特征，大量使用高科技武器裝備，在作戰(zhàn)樣式、作戰(zhàn)持續(xù)時(shí)間、作戰(zhàn)空間和作戰(zhàn)手段等方面均發(fā)生較大變化。高新技術(shù)帶來(lái)的軍事變革使得戰(zhàn)斗減員也隨之呈現(xiàn)出許多新的特點(diǎn)，以往的戰(zhàn)斗減員預(yù)計(jì)模型不再適用于新的戰(zhàn)法模式，這對(duì)于我軍戰(zhàn)斗減員預(yù)計(jì)提出了更大的挑戰(zhàn)?，F(xiàn)代戰(zhàn)爭(zhēng)，我軍需充分結(jié)合其規(guī)律特點(diǎn)，利用大數(shù)據(jù)、人工智能等前沿技術(shù)，多方采集整合戰(zhàn)斗減員數(shù)據(jù)，創(chuàng)新戰(zhàn)斗減員預(yù)計(jì)方法路徑，為衛(wèi)勤保障乃至作戰(zhàn)指揮提供有力輔助支撐。

1 主要模型

1.1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 徐雷［1］建立的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型選取了包括作戰(zhàn)天數(shù)、指揮控制因子等18 項(xiàng)對(duì)戰(zhàn)斗減員率影響較大的指標(biāo)，建立了神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，20 例樣本最大預(yù)測(cè)誤差在5.7%［2］；談彬等［3］建立的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型選取了武器裝備、戰(zhàn)爭(zhēng)態(tài)勢(shì)等8 個(gè)因素，將每個(gè)因素劃分為不同層級(jí)，預(yù)測(cè)誤差在1%。該類模型的特點(diǎn)是具備較強(qiáng)的自主學(xué)習(xí)能力，能夠通過模擬人腦處理不同類別數(shù)據(jù)間的關(guān)系，遇有武器裝備、作戰(zhàn)環(huán)境、社會(huì)因素等指標(biāo)發(fā)生變化時(shí)，可以實(shí)時(shí)調(diào)整生成符合要求的新模型，預(yù)測(cè)誤差較小。

1.2 集團(tuán)軍山地進(jìn)攻作戰(zhàn)減員預(yù)計(jì)模型 該模型采用直接、間接量化方法確定減員各影響因素對(duì)戰(zhàn)斗減員影響程度的量化值，對(duì)計(jì)算機(jī)模擬生成的數(shù)據(jù)進(jìn)行修正，建立相應(yīng)的調(diào)整算法［4］。其特點(diǎn)是對(duì)影響戰(zhàn)斗減員的因素考慮得更加充分，采用直接、間接量化方法等分別對(duì)武器裝備、地形氣候、社會(huì)行為因素進(jìn)行量化，尤其是能夠聚焦陸軍現(xiàn)有主要武器裝備進(jìn)行量化分析，并將諸多分類型變量（包括國(guó)防教育程度、對(duì)現(xiàn)代戰(zhàn)爭(zhēng)的認(rèn)同程度等）考慮在內(nèi)，模型構(gòu)建得更加科學(xué)合理。

1.3 集團(tuán)軍山地進(jìn)攻戰(zhàn)斗減員的時(shí)間序列模型該模型收集了我軍某次作戰(zhàn)的經(jīng)驗(yàn)數(shù)據(jù)，采用柯爾莫哥洛夫-斯米爾諾夫方法進(jìn)行統(tǒng)計(jì)分布的擬合優(yōu)度檢驗(yàn)，運(yùn)用博克斯-詹金斯方法建立時(shí)間序列模型，得出集團(tuán)軍戰(zhàn)斗減員率的統(tǒng)計(jì)分布與戰(zhàn)斗激烈程度有關(guān)的結(jié)論［5］。其特點(diǎn)是在方法選取上充分考慮了時(shí)間序列研究的特點(diǎn)，與模型建立的戰(zhàn)斗減員數(shù)據(jù)較為契合，而且模型可以根據(jù)相關(guān)參數(shù)的改變進(jìn)行自主變換，對(duì)于減員的時(shí)空分布預(yù)計(jì)更加準(zhǔn)確。

1.4 城市進(jìn)攻戰(zhàn)斗減員模擬預(yù)計(jì)模型 該模型以城市進(jìn)攻作戰(zhàn)減員預(yù)計(jì)為例，以定量判斷模型為基礎(chǔ)，設(shè)定參戰(zhàn)人數(shù)、地形、氣候等因素，應(yīng)用蒙特卡羅方法建立模型進(jìn)行模擬，對(duì)減員模擬結(jié)果進(jìn)行風(fēng)險(xiǎn)分析。其特點(diǎn)是通過仿真方法能夠得到反復(fù)使用的數(shù)據(jù)，能夠采用Vlookup 函數(shù)得出兵力規(guī)模和抵抗因素等難以給出確定值因素的量化值，進(jìn)而得出正態(tài)分布變量，并以此模擬標(biāo)準(zhǔn)傷亡率［6］。通過反映減員區(qū)間分布的圖形，能夠?yàn)槌鞘羞M(jìn)攻下一步作戰(zhàn)計(jì)劃以及衛(wèi)勤保障計(jì)劃提供科學(xué)的參考依據(jù)。

1.5 水面艦艇編隊(duì)遭導(dǎo)彈多波次攻擊時(shí)減員預(yù)計(jì)模型 該模型在充分考慮艦艇編隊(duì)進(jìn)攻和防御2 個(gè)方面涉及的各種影響因素基礎(chǔ)上，采取作戰(zhàn)模擬的方法實(shí)現(xiàn)以艦艇編隊(duì)損傷評(píng)估結(jié)果計(jì)算艦艇編隊(duì)?wèi)?zhàn)傷減員數(shù)［7］。其特點(diǎn)是采用仿真模擬方法，模擬導(dǎo)彈多波次打擊過程，通過打擊效能得出不同種類艦艇毀傷程度，進(jìn)而得出減員情況。通過研究艦艇整體代替研究人員個(gè)體，有效規(guī)避了海戰(zhàn)減員因素對(duì)個(gè)體影響較大的問題，提升了海戰(zhàn)減員預(yù)計(jì)的準(zhǔn)確性。

1.6 基于系統(tǒng)動(dòng)力學(xué)的戰(zhàn)斗減員預(yù)計(jì)模型 該模型使用系統(tǒng)動(dòng)力學(xué)方法，利用AnyLogic 7.3.6 Uni?versity 模擬仿真軟件構(gòu)建紅藍(lán)交戰(zhàn)、毀傷系統(tǒng)計(jì)算、直瞄武器交戰(zhàn)規(guī)則設(shè)定、作戰(zhàn)影響因素量化等6 個(gè)子系統(tǒng)，通過專家咨詢法、蘭徹斯特方程等對(duì)模擬仿真數(shù)據(jù)進(jìn)行戰(zhàn)斗減員預(yù)計(jì)［8］。其特點(diǎn)是能夠結(jié)合具體想定任務(wù)，充分考量紅藍(lán)雙方武器殺傷力、裝備防護(hù)水平等因素，采用計(jì)算機(jī)模擬技術(shù)，以整體毀傷程度測(cè)算減員情況，不僅能預(yù)測(cè)陸上現(xiàn)代戰(zhàn)爭(zhēng)總體戰(zhàn)斗減員情況，而且可預(yù)測(cè)包含不同的傷勢(shì)、傷部、傷因、傷型的戰(zhàn)斗減員情況，對(duì)指揮員掌握戰(zhàn)斗減員時(shí)空分布和進(jìn)行衛(wèi)勤保障資源優(yōu)化配置起到重要的輔助支撐作用。

2 問題分析

2.1 缺乏對(duì)戰(zhàn)斗減員影響因素的深入探析 現(xiàn)代戰(zhàn)爭(zhēng)的武器裝備相比傳統(tǒng)作戰(zhàn)存在極大不同，如航空母艦、核潛艇、無(wú)人機(jī)等新型現(xiàn)代化武器裝備將會(huì)取代輕武器等，成為現(xiàn)代戰(zhàn)爭(zhēng)的主要武器裝備。現(xiàn)代戰(zhàn)爭(zhēng)的作戰(zhàn)環(huán)境不僅包含地形、地貌、氣象等自然環(huán)境，還涵蓋戰(zhàn)略環(huán)境、社會(huì)環(huán)境、信息環(huán)境等，而我軍以往研究考量的大都是傳統(tǒng)作戰(zhàn)樣式下的作戰(zhàn)環(huán)境，無(wú)法滿足現(xiàn)代戰(zhàn)爭(zhēng)需要。我軍以往的戰(zhàn)斗減員預(yù)計(jì)中，社會(huì)因素中各種定性指標(biāo)的權(quán)重大多通過專家咨詢法確立，存在因?qū)＜业恼J(rèn)知偏差導(dǎo)致戰(zhàn)斗減員影響指標(biāo)的權(quán)重出現(xiàn)偏差的情況，從而影響預(yù)計(jì)結(jié)果。

2.2 缺乏對(duì)戰(zhàn)斗減員相關(guān)數(shù)據(jù)的挖掘整理 目前我軍收集到的國(guó)內(nèi)外作戰(zhàn)的相關(guān)衛(wèi)生統(tǒng)計(jì)資料，部分?jǐn)?shù)據(jù)的精細(xì)程度不高且存在不同程度的缺項(xiàng)，達(dá)不到統(tǒng)計(jì)分析的要求，相較于美軍用于戰(zhàn)斗減員預(yù)計(jì)研究的歷史數(shù)據(jù)，我軍在數(shù)量和質(zhì)量上均存在差距。當(dāng)前美軍建立了包含不同傷情、傷類、傷部等信息的戰(zhàn)傷數(shù)據(jù)庫(kù)，能夠?qū)崟r(shí)對(duì)相關(guān)數(shù)據(jù)進(jìn)行提取分析，而我軍尚未形成一體化、系統(tǒng)化的戰(zhàn)傷數(shù)據(jù)庫(kù)。我軍戰(zhàn)斗減員預(yù)計(jì)研究運(yùn)用的一部分?jǐn)?shù)據(jù)為年代較為久遠(yuǎn)的歷史數(shù)據(jù)，通過該數(shù)據(jù)建立的模型對(duì)現(xiàn)代戰(zhàn)爭(zhēng)戰(zhàn)斗減員預(yù)計(jì)的指導(dǎo)意義不是很大；另一部分?jǐn)?shù)據(jù)通過以前的模擬仿真模型得出，容易給戰(zhàn)斗減員預(yù)計(jì)模型構(gòu)建帶來(lái)偏差。

2.3 缺乏對(duì)前沿算法模型運(yùn)用的創(chuàng)新探索 近年來(lái)，我軍對(duì)于戰(zhàn)斗減員預(yù)計(jì)相關(guān)算法研究、模型構(gòu)建未能進(jìn)一步提升拓展，尤其是未能充分結(jié)合大數(shù)據(jù)、人工智能的關(guān)鍵技術(shù)來(lái)研究探索現(xiàn)代戰(zhàn)爭(zhēng)戰(zhàn)斗減員預(yù)計(jì)的新方法新路徑。我軍部分戰(zhàn)斗減員預(yù)計(jì)模型主要參考美軍Dupuy、FORCAST、SHIPCAS等經(jīng)典減員預(yù)計(jì)模型，未能結(jié)合實(shí)際進(jìn)一步探索新的模型，在戰(zhàn)斗減員預(yù)計(jì)結(jié)果方面存在一定偏差?，F(xiàn)代戰(zhàn)爭(zhēng)，作戰(zhàn)樣式多種多樣，作戰(zhàn)規(guī)?？纱罂尚。纾捍笠?guī)模渡海登島作戰(zhàn)、城市滲透作戰(zhàn)等不同作戰(zhàn)樣式，其戰(zhàn)斗減員的影響因素存在交叉但又表現(xiàn)出各自特點(diǎn)，而我軍既有的戰(zhàn)斗減員預(yù)計(jì)模型未對(duì)作戰(zhàn)樣式分門別類，且尚未采取前沿的算法模型進(jìn)行研究分析，使得預(yù)計(jì)模型尚不能滿足現(xiàn)代戰(zhàn)爭(zhēng)的需求。

3 對(duì)策建議

3.1 全面分析戰(zhàn)斗減員影響因素 著眼現(xiàn)代戰(zhàn)爭(zhēng)的規(guī)律特點(diǎn)，從作戰(zhàn)兵力、武器裝備、作戰(zhàn)環(huán)境等組成要素著手，對(duì)比既往研究中上述要素的異同，總結(jié)歸納現(xiàn)代戰(zhàn)爭(zhēng)戰(zhàn)斗減員的規(guī)律特點(diǎn)，分析其戰(zhàn)斗減員影響因素，并細(xì)化完善為軍事因素、環(huán)境因素、社會(huì)因素等各類一級(jí)指標(biāo)。借鑒國(guó)內(nèi)外對(duì)戰(zhàn)斗減員影響因素的相關(guān)研究，突出主要指標(biāo)、摒棄次要指標(biāo)，深入挖掘影響戰(zhàn)斗減員的二、三級(jí)核心指標(biāo)，如：針對(duì)武器裝備構(gòu)成，選取現(xiàn)代戰(zhàn)爭(zhēng)的各類武器裝備，通過大數(shù)據(jù)統(tǒng)計(jì)分析方法對(duì)其數(shù)量、殺傷力、殺傷半徑等參數(shù)進(jìn)行量化，選定主要武器裝備作為權(quán)重分析的對(duì)象。運(yùn)用卡方分析、方差分析、t檢驗(yàn)等統(tǒng)計(jì)分析方法，對(duì)各類戰(zhàn)斗減員影響因素下的指標(biāo)尤其是定性指標(biāo)進(jìn)行分析，得出科學(xué)合理的指標(biāo)權(quán)重。注重區(qū)分不同作戰(zhàn)樣式，著眼不同戰(zhàn)略方向，包括渡海登島作戰(zhàn)、高原作戰(zhàn)、城市進(jìn)攻作戰(zhàn)等不同作戰(zhàn)樣式，著重分析指揮員能力、官兵士氣、民眾支持程度等二、三級(jí)定性指標(biāo)的權(quán)重，形成不同作戰(zhàn)樣式下影響戰(zhàn)斗減員的核心指標(biāo)體系，以符合現(xiàn)代戰(zhàn)爭(zhēng)戰(zhàn)斗減員預(yù)計(jì)的現(xiàn)實(shí)需要，為后續(xù)算法研究和模型構(gòu)建打下堅(jiān)實(shí)的基礎(chǔ)。

3.2 深度挖掘戰(zhàn)斗減員相關(guān)數(shù)據(jù) 針對(duì)我軍戰(zhàn)斗減員數(shù)據(jù)年代久遠(yuǎn)、遺漏缺失、信息不清的現(xiàn)實(shí)情況，采取人工錄入與計(jì)算機(jī)掃描相結(jié)合的方式，建立戰(zhàn)傷數(shù)據(jù)庫(kù)，形成不同戰(zhàn)爭(zhēng)、戰(zhàn)役、傷情、傷類、傷部的結(jié)構(gòu)化數(shù)據(jù)，為算法研究以及模型構(gòu)建提供真實(shí)有效的數(shù)據(jù)。運(yùn)用數(shù)理統(tǒng)計(jì)技術(shù)和數(shù)據(jù)挖掘技術(shù)，采用分箱法、回歸法、聚類法等對(duì)所獲取的戰(zhàn)斗減員數(shù)據(jù)進(jìn)行處理，檢查數(shù)據(jù)一致性，處理無(wú)效值和缺失值，最大限度地保證數(shù)據(jù)的完整性和實(shí)用性，以滿足統(tǒng)計(jì)分析和算法模型研究的要求。區(qū)分圖片、視頻、音頻等不同數(shù)據(jù)格式，梳理完成包括軍事、衛(wèi)勤、作戰(zhàn)、傷亡等與戰(zhàn)斗減員相關(guān)術(shù)語(yǔ)，運(yùn)用系統(tǒng)日志、網(wǎng)絡(luò)爬蟲等大數(shù)據(jù)采集方法及詞法分析、語(yǔ)義分析等自然語(yǔ)言處理技術(shù)，對(duì)國(guó)內(nèi)外、軍內(nèi)外包含戰(zhàn)斗減員相關(guān)信息的網(wǎng)站及系統(tǒng)進(jìn)行數(shù)據(jù)采集，不斷充實(shí)戰(zhàn)斗減員數(shù)據(jù)庫(kù)。依托基于系統(tǒng)動(dòng)力學(xué)的預(yù)計(jì)模型等先進(jìn)的模擬預(yù)測(cè)模型，對(duì)各軍兵種聯(lián)演聯(lián)訓(xùn)的想定任務(wù)進(jìn)行模擬仿真，通過模擬預(yù)測(cè)的方式得到更貼近現(xiàn)代戰(zhàn)爭(zhēng)實(shí)際的戰(zhàn)斗減員數(shù)據(jù)。

3.3 大力創(chuàng)新模型構(gòu)建方法路徑 聚焦前沿技術(shù)，結(jié)合當(dāng)前大數(shù)據(jù)和人工智能領(lǐng)域的統(tǒng)計(jì)分析方法，通過對(duì)比支持向量機(jī)、決策樹、樸素貝葉斯、深度神經(jīng)網(wǎng)絡(luò)等算法的優(yōu)點(diǎn)及劣勢(shì)，從數(shù)據(jù)處理維度、方法步驟實(shí)現(xiàn)難易程度、數(shù)據(jù)統(tǒng)計(jì)分析能力、與分析數(shù)據(jù)的契合程度等方面綜合考量上述算法的科學(xué)性及可行性，遴選適用于現(xiàn)代戰(zhàn)爭(zhēng)的戰(zhàn)斗減員預(yù)計(jì)最優(yōu)算法。以采集整合的戰(zhàn)斗減員數(shù)據(jù)為支撐，按照公式推導(dǎo)、算法實(shí)現(xiàn)、算法改進(jìn)、評(píng)估結(jié)果的流程，對(duì)選定的大數(shù)據(jù)、人工智能相關(guān)算法進(jìn)行深入研究，分析解決算法推進(jìn)過程中的難點(diǎn)問題，總結(jié)實(shí)現(xiàn)算法的最優(yōu)路徑。充分運(yùn)用計(jì)算機(jī)模擬仿真技術(shù)，發(fā)揮其可重復(fù)和不受氣候、場(chǎng)地、時(shí)間限制的優(yōu)勢(shì)，結(jié)合現(xiàn)代戰(zhàn)爭(zhēng)不同作戰(zhàn)樣式和作戰(zhàn)雙方動(dòng)用兵力、武器裝備等，模擬真實(shí)戰(zhàn)場(chǎng)以及各類武器裝備的打擊效能。依托Python、SPSS、R 語(yǔ)言等計(jì)算機(jī)軟件工具，建立戰(zhàn)斗減員預(yù)計(jì)模型，并運(yùn)用回歸診斷、交叉驗(yàn)證、逐步回歸優(yōu)化法、主成分分析法等方法對(duì)模型進(jìn)行檢驗(yàn)優(yōu)化，形成符合現(xiàn)代戰(zhàn)爭(zhēng)規(guī)律的戰(zhàn)斗減員預(yù)測(cè)模型，為后續(xù)相關(guān)研究提供參考和依據(jù)。