(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211092018.X (22)申请日 2022.09.07 (65)同一申请的已公布的文献号 申请公布号 CN 115170002 A (43)申请公布日 2022.10.11 (73)专利权人 中国兵器科 学研究院 地址 100089 北京市海淀区车道沟十号院 中国兵器科 学研究院 (72)发明人 魏永勇　张天赐　王龙　李广运　 杨蔚青　江金寿　张静骁　耿德珅　 魏蓝　 (74)专利代理 机构 北京君有知识产权代理事务 所(普通合伙) 11630 专利代理师 焦丽雅(51)Int.Cl. G06Q 10/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/10(2006.01) G06Q 50/26(2012.01) (56)对比文件 CN 105825022 A,2016.08.0 3 CN 106469340 A,2017.0 3.01 审查员 黄莹 (54)发明名称 一种基于神经网络的保障能力评估方法及 其应用 (57)摘要 基于神经网络的装备保障能力评估方法及 其应用， 包括如下步骤： 步骤1： 结合待评估部队 的使命任务和装 备体系编配构建指标体系； 步骤 2： 利用AHP方法为能力指标确定初始权重； 步骤 3： 搭建神经网络， 并通过 实装演训和仿真推演数 据训练神经网络； 步骤4： 计算得到待评估部队的 装备保障能力评估值。 本发明利用AHP方法为能 力指标确定初始权重； 搭建神经网络， 并通过实 装演训和仿真推演数据训练神经网络； 计算得到 待评估部队的装备保障能力评估值。 权利要求书1页 说明书7页 附图2页 CN 115170002 B 2022.12.02 CN 115170002 B 1.基于神经网络的装备保障能力评估方法， 其特 征为： 包括如下步骤： 步骤1： 结合待评估部队的使命任务和装备体系编配构建指标体系； 基于对待评估部队 的装备保 障行动及需求分析， 综合实装和仿真系统的数据采集方式与方法， 聚焦需求分析 的六大能力， 按照技术准备能力、 维护保养能力、 保障指挥能力、 抢救抢修能力、 器材供应能 力、 弹药供应能力逐项细化， 参照指标体系的构建原则与标准， 围绕待评估部队的具体装备 保障体系配置， 构建适用于实装演习 、 计算机仿真抑或是二 者相结合模式的评估指标体系； 步骤2： 利用AHP方法为能力指标确定初始权重； 基于步骤1所构建的评估指标体系， 采 用层次分析法AHP确定各层指标权重， 首先构造判断矩阵， 计算相对重要度， 通过特征值法 求解特征根与特征向量， 将结果进行一致性检验， 求解得到一级能力指标值， 并将 每层指标 权重按该方法求解； 层次分析法也即AHP法， 是能力评估领域一种常用的方法， 其具体计算 流程如下： （1） 建立层次结构模型 层次结构模型为武器装备的指标体系结构模型； （2） 构造判断矩阵B 其中rnn表示第n个指标相对第n个指标的重要程度， 由专 家给出； 步骤3： 搭建神经网络， 并通过实装演训和仿真推演数据训练神经网络； 以步骤2利用 AHP所确定的指标权重为基础， 基于各类部队积累的实装、 仿真历史数据， 基于评估指标体 系构建了相应的BP神经网络， 利用深度人工神经网络对非线性因素具有很好的逼近效果， 来对经过AHP法确定 权重进行修 正， 以此使评估结果更加可信、 实用； 步骤4： 计算得到待评估部队的装备保障能力评估值； 利用python语言和keras实现步 骤3所构建的神经网络结构， 采用python和keras的结合 实现神经网络并完成训练并得出评 估结果。 2.一种非易失性存储介质， 其特征在于， 所述非易失性存储介质包括存储的程序， 其 中， 所述程序运行时控制非易失性存 储介质所在的设备 执行权利要求1所述的方法。 3.一种电子装置， 其特征在于， 包含处理器和存储器； 所述存储器中存储有计算机可读 指令， 所述处理器用于运行所述计算机可读指 令， 其中， 所述计算机可读指 令运行时执行权 利要求1所述的方法。权　利　要　求　书 1/1 页 2 CN 115170002 B 2一种基于神经 网络的保障能力评估方 法及其应用 技术领域 [0001]本发明涉及 一种评估方法， 尤其是涉及一种基于神经网络的保障能力评估方法及 其应用。 背景技术 [0002]目前， 国内的装备保障能力评估常用的方法大多为传统的专家打分法、 层次分析 法等， 这些方法已经为各类部队装备体系建设发展提供了有力的支撑。 但通过近年来的研 究工作， 研究人员也逐渐发现传统的评估方法存在主观因素过多、 非线性拟合性较差等缺 点。 [0003]此外， 现有技术， 如CN107944694A公开了一种面向作战性能的装备保 障运行过程 分析方法， 包括： 构建装备保障任务—力量—方式—行动匹配关系方法； 预判装 备保障关节 点， 实现战场保障指挥控制方法； 监控装备体系作战性能， 实现对装 备保障行动目标的实时 化调控方法。 [0004]CN109660418A 涉及一种基于神经 网络的机动通信台站通信保障能力评估方法、 系 统及电子 设备。 包括： 数据预 处理： 输入机动通信台站的各项 数据， 对数据进行归类划分， 生 成特征属性； 自学习训练： 获得通信台站设备开设运行的特征属性以及效果评估作为样 本， 基于模糊神经网络进 行训练， 生成数据评估模型； 数据评估： 利用数据评估模型对设备属性 进行评估分析， 然后将设备属性评估结果和人员属性依据二元语义集成算子进行加权集 成， 生成综合评价结果。 本发明可以有效避免集成时的信息丢失， 同时对通信保障能力作出 科学的评估， 有效提高了 评估结果的准确性。 [0005]CN112990501A公开了一种基于Delphi ‑FCE的通用车辆装备维修保障能力评估方 法， 该方法包括以下步骤： S1、 建立基于Delphi的通用车辆装备维修保障能力评估指标体 系； S2、 建立通用车辆装备保障能力的综合评估模型； S3、 通过上述综合评估模型对通用车 辆装备维修保障能力进行评估。 本发明建立了通用车辆装备保障能力的综合评估模型， 获 得了更加科学化和合理化评估结果； 此外， 本发明通过评估某单位的通用车辆装备 的维修 保障能力， 验证了所提方法的正确性， 结果表明用本发明方法建立的评估指标客观有效、 科 学合理， 所得 的评估结果更加精确， 对装备效能评估和加强车辆装备维修保障能力 建设具 有指导性意义。 [0006]CN113947332A公开一种地下工程综合保障能力的评估方法及系统， 通过建立 LSSVM预测网络对地下工程综合保障能力进行评估， 通过视野和步长自适应设定以及引入 精英反向学习机制改进人工鱼群算法， 使基本的人工鱼群算法更加具有应用性， 之后利用 优化后的人工 鱼群算法得到LSSVM预测网络的最优参数， 利用最优参数对LSSVM预测网络进 行训练， 得到IAFSA ‑LSSVM模型。 最后， 利用IAFSA ‑LSSVM模型对地下工程综合保障能力进行 评估， 相比未改进的模型， 本发明提出的方法， 评估效果更好， 评估更为 准确。 [0007]虽然上述现有技术都涉及到保障能力评估， 但是， 上述现有技术没有充分利用神 经网络对于非线性函数拟合效果， 不能解决各指标之间的非线性关系， 不能很好的消除传说　明　书 1/7 页 3 CN 115170002 B 3