針對當(dāng)前空戰(zhàn)裝備效能評估數(shù)據(jù)呈現(xiàn)出的非線性、多維性和耦合性等特征,將Elman神經(jīng)網(wǎng)絡(luò)與Copula函數(shù)相結(jié)合,提出了一種多維裝備效能的評估模型�；诂F(xiàn)代化空戰(zhàn)特點建立效能評估指標(biāo)體系的同時,結(jié)合戰(zhàn)場環(huán)境與信息化空中對抗體系的仿真數(shù)據(jù),利用Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)自學(xué)習(xí)能力以及對非線性數(shù)據(jù)的良好擬合性,得到了邊緣分布的預(yù)測模型及分布類型;針對分布數(shù)據(jù)之間的強耦合特征,選取Gumbel Copula函數(shù)、Clayton Copula函數(shù)、T-Copula函數(shù)、Frank Copula函數(shù)、Joe Copula函數(shù)5種常用Archimedean Copula函數(shù)對變量間的相關(guān)性進行構(gòu)造,通過對參數(shù)辨識和擬合優(yōu)度結(jié)果進行對比,發(fā)現(xiàn)基于T-Copula函數(shù)所構(gòu)建的聯(lián)合分布模型與原始數(shù)據(jù)分布最為契合。以概率統(tǒng)計指標(biāo)為評估依據(jù),將該方法與傳統(tǒng)方法進行了對比驗證,得出了該方法的預(yù)測精度及適用范圍均有所提升的結(jié)論。

【文章頁數(shù)】：13 頁

【部分圖文】：

圖1 空戰(zhàn)裝備效能評估指標(biāo)體系

人工Elman神經(jīng)網(wǎng)絡(luò)作為一種典型的局部回歸網(wǎng)絡(luò)模型，它在逆向傳播(BP)人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)的基礎(chǔ)上，通過存儲內(nèi)部狀態(tài)具備了映射動態(tài)特征的功能，從而使系統(tǒng)具有一定的變特性能力[12]。其主要結(jié)構(gòu)包括輸入層、結(jié)構(gòu)層、隱含層和輸出層。隱含層的作用是反饋連接層神經(jīng)元信號并接受輸入層神....

圖2 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖1空戰(zhàn)裝備效能評估指標(biāo)體系Elman神經(jīng)網(wǎng)絡(luò)的非線性狀態(tài)空間表達式如(7)式所示:

圖3 Elman神經(jīng)網(wǎng)絡(luò)預(yù)測步驟圖

式中:xc為n維反饋狀態(tài)向量;g(*)為輸出層神經(jīng)元的傳遞函數(shù)，可看作是隱含層的線性組合輸出;f(*)為神經(jīng)元的傳遞函數(shù)。權(quán)值的修正采用BP算法進行，學(xué)習(xí)指標(biāo)采用的誤差平方和函數(shù)如(8)式所示:式中:hk(yN)是以神經(jīng)網(wǎng)絡(luò)輸出計算得出的實測值;h槇k(yN)為理論值;為模型的樣....

圖4 超視距-目視內(nèi)模型預(yù)測值散點圖

對表1和表2中數(shù)據(jù)進行歸一化處理后，以前2000組數(shù)據(jù)作為超視距打擊能力和視距內(nèi)作戰(zhàn)能力的神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，其中超視距打擊能力的輸入端為4，輸出端為1;視距內(nèi)作戰(zhàn)能力的輸入端為3，輸出端為1;通過設(shè)定隱含層神經(jīng)元個數(shù)、訓(xùn)練函數(shù)以及指定延遲，得出二者的Elman神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型。....

本文編號：4050684