周興旺，從福仲，龐世春，侯滿義，辛騰達

（1.解放軍95519部隊，四川　瀘州　646000；2.空軍航空大學(xué)，長春　130000；3.裝備學(xué)院，北京　101400）

基于BP神經(jīng)化貝葉斯網(wǎng)絡(luò)的空襲目標毀傷效果評估*

周興旺1，從福仲2，龐世春2，侯滿義2，辛騰達3

（1.解放軍95519部隊，四川瀘州646000；2.空軍航空大學(xué)，長春130000；3.裝備學(xué)院，北京101400）

摘要：針對空襲目標毀傷因素的復(fù)雜多樣性，以及貝葉斯網(wǎng)絡(luò)在評估時對先驗知識獲取和對網(wǎng)絡(luò)節(jié)點限制方面存在的不足，提出一種BP神經(jīng)化貝葉斯網(wǎng)絡(luò)的評估方法，解決空襲目標的毀傷問題。分析了空襲目標毀傷的影響因素，并進行了知識表示；分析了貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)處理多個父節(jié)點問題時存在的幾個缺陷，建立了空襲目標毀傷評估的BP神經(jīng)化網(wǎng)絡(luò)結(jié)構(gòu)，給出了“BP神經(jīng)化模塊”的決策方法。通過實例分析，結(jié)合Netica仿真，驗證了該評估方法的準確性，操作簡單、有效性好。

關(guān)鍵詞：空襲作戰(zhàn)，貝葉斯網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)，目標毀傷

0　引言

20世紀80年代以來，世界范圍內(nèi)發(fā)生的幾場高技術(shù)局部戰(zhàn)爭充分體現(xiàn)了未來戰(zhàn)爭的3個主要特點：“電子先行，先機致盲，多機協(xié)同，由點至面”的空襲作戰(zhàn)戰(zhàn)術(shù)思想；戰(zhàn)爭空中化、空襲主導(dǎo)化成為趨勢；戰(zhàn)爭空中化、空襲全程化更加明顯［1］。作為信息化空襲作戰(zhàn)體系不可或缺的關(guān)鍵環(huán)節(jié)，目標毀傷效果評估不僅貫穿于空襲作戰(zhàn)方案的制定與實施的全過程，還會對作戰(zhàn)進程甚至是作戰(zhàn)結(jié)果產(chǎn)生影響。因此，研究空襲目標的毀傷效果評估具有十分重要的現(xiàn)實意義。

目前國內(nèi)外運用目標毀傷效果評估的方法中，應(yīng)用范圍廣、可操作性強、時率好的就是基于貝葉斯網(wǎng)絡(luò)［2-5］（動態(tài)貝葉斯網(wǎng)絡(luò)［6］、模糊貝葉斯網(wǎng)絡(luò)［7-8］）的評估方法。然而在這些文獻中除了UCAV對地攻擊外，很少有針對空襲作戰(zhàn)特點和規(guī)律研究空襲（主要指常規(guī)空襲編隊）目標的毀傷效果評估。本文就是專門面向空襲作戰(zhàn)的目標毀傷效果評估研究，同時考慮到貝葉斯網(wǎng)絡(luò)在處理空襲目標毀傷評估時存在的固有缺陷和不足，提出一種基于BP神經(jīng)化貝葉斯網(wǎng)絡(luò)的評估模型，解決空襲目標的毀傷問題。

1　空襲目標毀傷效果因素分析與表示

1.1因素分析

目標毀傷效果評估（Battle Damage Assessment，簡稱BDA）是指對敵方目標實施火力打擊后，對目標的毀傷效果進行的綜合評估。BDA是一個巨大和復(fù)雜的系統(tǒng)，目前，國際上關(guān)于目標毀傷效果評估做的最全面和最深入的當(dāng)屬美國，美軍目標毀傷效果評估采用“三段式”方法：物理毀傷評估、功能毀傷評估及目標系統(tǒng)毀傷評估。3個階段不斷深入，逐漸細化?？紤]到篇幅，本文主要研究第二階段的評估。

未來的空襲戰(zhàn)場是信息化的戰(zhàn)場，更是空襲作戰(zhàn)體系與反空襲作戰(zhàn)體系對抗下的戰(zhàn)場。體系對抗下影響空襲目標毀傷效果的因素與實施空襲作戰(zhàn)的流程和參戰(zhàn)力量直接相關(guān)［9］。通過分析文獻［1］中的空襲戰(zhàn)例，得知實施空襲作戰(zhàn)的一般作戰(zhàn)流程，如圖1所示。

圖1　空襲作戰(zhàn)基本程序和流程

從圖1中可以看到，空襲之前突擊力量和電子壓制力量是影響空襲目標毀傷效果的直接因素。根據(jù)空襲作戰(zhàn)的特點及空襲力量的編成規(guī)律，突擊力量和電子壓制力量又可以細化成9個小指標：武器數(shù)量（A1）、制導(dǎo)方式（A2）、制導(dǎo)精度（A3）、武器生存率（A4）、抗干擾率（A5）；干擾有效率（B1）、壓制范圍（B2）、干擾機生存率（B3）、干擾機數(shù)量（B4）。

空襲作戰(zhàn)的BDA，在第一階段（戰(zhàn)前）其數(shù)據(jù)源來自于專家知識、數(shù)據(jù)庫信息、聯(lián)合武器系統(tǒng)效力手冊和空對地武器控制軟件（JAWSPD）；在第二階段（戰(zhàn)后）數(shù)據(jù)來源于飛行員任務(wù)報告（MISREPs）、武器系統(tǒng)的錄像（Weapon）、無人機偵察等。其中JAWSPD和數(shù)據(jù)庫信息里面包含有突擊和壓制力量的9個小指標信息。另外一個重要的攻擊前數(shù)據(jù)源是突擊天氣，由于高技術(shù)和精確制導(dǎo)武器的發(fā)展，天氣已經(jīng)成為影響攻擊效果的一個顯著因素。

1.2BDA知識表示

針對離散型變量的表示如下：

（1）制導(dǎo)方式：被動雷達尋的制導(dǎo)（PRHG）、電視制導(dǎo)（TVG）、激光制導(dǎo)（LG）、GPS制導(dǎo)、紅外制導(dǎo)（IG）和復(fù)合制導(dǎo)（CG）；

（2）突擊能力：很強（VS）、強（Strong）、一般（Normal）、差（Poor）和很差（VP）；

（3）壓制能力：很強（VS）、強（Strong）、一般（Normal）、差（Poor）和很差（VP）；

（4）毀傷能力（Damage Ability）：很強（VS）、強（Strong）、一般（Normal）、差（Poor）和很差（VP）；

（5）突擊天氣（Assault Weather）：夜暗突擊（ND）、陰雨突擊（OR）、晴朗突擊（Fine）。

針對連續(xù)型變量進行模糊化處理后并劃分為不同的等級如下：

（1）實際毀傷效果（Actual Damage Effect）/戰(zhàn)后評估（PostAssessment）：無毀傷（ND）、輕度毀傷（LD）、中度毀傷（MD）和嚴重毀傷（SD）；

（2）評估精度（Accuracy）：嚴重高估（SO）、高估（O）、準確（Exact）、低估（U）和嚴重低估（SU）。

針對戰(zhàn)后反饋信息進行模糊化處理后并劃分為不同的等級如下：

飛行員任務(wù)報告（MISREPs）/武器系統(tǒng)錄像（Weapon Video）/無人機偵察（UAV Reconnaissance）：無毀傷（ND）、輕度毀傷（LD）、中度毀傷（MD）和嚴重毀傷（SD）。

2　基于BP神經(jīng)化貝葉斯網(wǎng)絡(luò)空襲BDA模型

2.1基于貝葉斯網(wǎng)絡(luò)的空襲BDA模型分析與改進

根據(jù)空襲作戰(zhàn)BDA因素分析，通過咨詢資深的軍事專家，建立第二階段空襲作戰(zhàn)BDA貝葉斯網(wǎng)絡(luò)模型如下頁圖2所示。

圖2　貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

從上圖貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)關(guān)系，分析得到應(yīng)用貝葉斯網(wǎng)絡(luò)解決此類空襲作戰(zhàn)BDA問題存在以下3個不足：

①貝葉斯網(wǎng)絡(luò)一般處理結(jié)構(gòu)較簡單的節(jié)點變量，對于圖2，突擊能力和壓制能力共有9個父節(jié)點，其父子節(jié)點間的條件概率表（CPT）將隨著父節(jié)點個數(shù)呈指數(shù)級增加，不易操作處理，直接影響了評估的效率和精度。

②貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)經(jīng)常假設(shè)先驗知識服從某幾種固定的概率分布（如狄立克雷分布、高斯分布及正態(tài)分布等），其合理性和準確性難以評價。在實際的毀傷評估中，很少有將參數(shù)學(xué)習(xí)理論和應(yīng)用相結(jié)合，大多都是基于專家知識直接給出條件概率表，主觀性較強。

③貝葉斯網(wǎng)絡(luò)在評估應(yīng)用中一般要求所有節(jié)點變量都是離散型變量，如有連續(xù)性變量通常是進行模糊化處理轉(zhuǎn)化為離散型變量，模糊化變量越多精度越低，效率越差。圖2中突擊能力和壓制能力共有9個父節(jié)點，其中8個是連續(xù)性變量，不易逐一進行模糊化處理。

基于此，考慮到BP神經(jīng)網(wǎng)絡(luò)［9-11］能夠充分利用各種類型數(shù)據(jù)，不依賴于先驗知識，且具有較強的非線性映射和泛化能力，本文融合神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)各自的優(yōu)點，彌補缺點，通過引入“BP神經(jīng)化模塊”，提出基于BP神經(jīng)化貝葉斯網(wǎng)絡(luò)的新方法對貝葉斯網(wǎng)絡(luò)的不足進行改進和優(yōu)化，如圖3所示，該模塊降低了貝葉斯網(wǎng)絡(luò)的復(fù)雜度和處理難度，便于貝葉斯網(wǎng)絡(luò)實現(xiàn)其強大的推理和更新能力。

2.2“BP神經(jīng)化模塊”決策方法

從圖3可以看到，“BP神經(jīng)化模塊”直接將具有9個輸入變量的節(jié)點映射到具有一個輸出變量的節(jié)點，其中輸出層節(jié)點為毀傷能力（含有5個狀態(tài)變量）。本文的“BP神經(jīng)化模塊”采用三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。此“BP神經(jīng)化”模塊的網(wǎng)絡(luò)處理方法如下：

圖3　BP神經(jīng)化貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

為了簡明起見，先對各符號的形式及意義進行規(guī)定：

隱含層各單元的輸出閾值θj，

參數(shù)k=1,2，…，m，m為學(xué)習(xí)樣本的容量，n、p、q分別為3個網(wǎng)絡(luò)層的層數(shù)。

（1）初始化，給每個連接權(quán)值wij、vjt、閾值θj與γt賦予區(qū)間（-1，1）內(nèi)的隨機值。

（2）隨機選取一組空襲演習(xí)或空襲作戰(zhàn)實驗?zāi)M數(shù)據(jù)作為評價指標的輸入和評價結(jié)果的目標樣本、提供給網(wǎng)絡(luò)。

（3）計算隱含層各單元的輸入skj和輸出bkj；計算輸出層各單元的輸入lkt和輸出層各單元的響應(yīng)ckt。

（4）計算輸出層的一般化誤差dkt和隱含層各單元的一般化誤差ekj。

（5）修正連接權(quán)值vjt和閾值γt。

（6）修正連接權(quán)值wij和閾值θj。

（7）隨機選取下一組學(xué)習(xí)樣本向量提供給網(wǎng)絡(luò)，返回到步驟（3），直到m個訓(xùn)練樣本訓(xùn)練完畢。

（8）學(xué)習(xí)結(jié)束，將測試樣本指標值輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，得出具體的評價結(jié)果。

應(yīng)用BP神經(jīng)化貝葉斯網(wǎng)絡(luò)求解空襲BDA時，首先在評估之前通過提取平時演習(xí)或作戰(zhàn)實驗?zāi)M的指標數(shù)據(jù)樣本，將其“BP神經(jīng)化”，訓(xùn)練樣本數(shù)據(jù)；同時利用蒙特卡羅抽樣算法得到網(wǎng)絡(luò)結(jié)構(gòu)的CPT。評估時再根據(jù)戰(zhàn)場實時數(shù)據(jù)作用于訓(xùn)練后的“BP神經(jīng)化模塊”得到毀傷能力節(jié)點的后驗概率。最后利用貝葉斯網(wǎng)絡(luò)推理和證據(jù)推理更新出評估結(jié)果。

3　實例仿真分析

為應(yīng)對未來可能的戰(zhàn)爭態(tài)勢，我方需要對XX國一重點軍事目標實施空襲作戰(zhàn)任務(wù)，目的是摧毀該軍事目標以削弱XX國突擊部隊繼續(xù)進行戰(zhàn)爭的意志。為此我方平時多次對該重點目標進行作戰(zhàn)演習(xí)，并實施了相關(guān)的空襲實驗?zāi)M。通過調(diào)研，得到訓(xùn)練樣本50組，蒙特卡羅抽樣數(shù)據(jù)50組，考慮到篇幅，這里不再一一羅列。

假設(shè)戰(zhàn)爭開始，在我方啟動空襲任務(wù)時，突擊天氣為夜晚突擊、JAWSPD和數(shù)據(jù)庫信息里面顯示相關(guān)指標數(shù)據(jù)如表1所示。

假設(shè)空襲之后，3個證據(jù)節(jié)點分別收到反饋信息：飛行員任務(wù)報告分析為嚴重毀傷；武器系統(tǒng)錄像分析為嚴重毀傷；無人機偵察結(jié)果分析為中度毀傷。

表1　空襲目標指標數(shù)據(jù)

基于BP神經(jīng)化貝葉斯網(wǎng)絡(luò)的空襲目標毀傷效果評估的求解步驟如下：

步驟1：“BP神經(jīng)化模塊”處理

首先，通過MATLAB6.5進行編程，各參數(shù)的設(shè)定為：輸入層數(shù)n=9，輸出層q=5，由經(jīng)驗公式得到隱含層數(shù)p=7，最大訓(xùn)練次數(shù)為10 000次，顯示頻率為25，學(xué)習(xí)效率為0.5，目標誤差小于0.01，權(quán)值和閾值取隨機數(shù)。6個制導(dǎo)方式分別用自然數(shù)1～6表示，本實例中A2為CG，用自然數(shù)6代替，然后將9個輸入指標的50組訓(xùn)練樣本輸入BP神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，結(jié)果顯示訓(xùn)練次數(shù)達到392次的時候目標誤差小于0.01，網(wǎng)絡(luò)訓(xùn)練結(jié)束。最后將表1中的數(shù)據(jù)作為測試樣本輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型中，輸出結(jié)果向量為（0.4，0.8，0.3，0.1，0），即毀傷能力（Damage Ability）節(jié)點的5個狀態(tài)向量，歸一化后為（0.25，0.5，0.19，0.6，0）。

步驟2：貝葉斯網(wǎng)絡(luò)推理

利用蒙特卡羅抽樣的50組數(shù)據(jù)得到網(wǎng)絡(luò)結(jié)構(gòu)的CPT，在Netica仿真環(huán)境下，得到空襲之后沒有信息源反饋情況下的仿真結(jié)果如圖4所示。從圖中可以看出，實際毀傷效果為嚴重毀傷等級的概率56.3%，戰(zhàn)后評估為49.6%，準確度為87.9%，根據(jù)最大隸屬度原則，實際毀傷效果為嚴重毀傷。

圖4　無證據(jù)的空襲BDA仿真圖

步驟3：貝葉斯證據(jù)推理

輸入證據(jù)信息，更新貝葉斯網(wǎng)絡(luò)得到最終的仿真結(jié)果圖，如圖5所示。分析得到：在有證據(jù)的情況下，實際毀傷效果為嚴重毀傷等級的概率從56.3%提高到82.6%，戰(zhàn)后評估為嚴重毀傷的概率也提高了20.4個百分點，雖然評估精度準確性有所降低，但根據(jù)最大隸屬度原則，評估準確度還是非常高的，為準確評估，實際毀傷效果為嚴重毀傷，達到預(yù)期目標任務(wù)。

圖5　有證據(jù)的空襲BDA仿真圖

4　結(jié)論

本文從影響空襲目標毀傷效果的因素入手，針對貝葉斯網(wǎng)絡(luò)在評估時存在的3個缺陷，提出一種基于BP神經(jīng)化貝葉斯網(wǎng)絡(luò)的評估方法。這種評估方法簡化了貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，降低了CPT的處理復(fù)雜度，既利用了BP神經(jīng)網(wǎng)絡(luò)具有的非線性映射和泛化優(yōu)點，又融合了貝葉斯網(wǎng)絡(luò)強大的推理和更新能力。實例仿真，驗證了該方法的科學(xué)有效性，具有較高的應(yīng)用價值。

參考文獻：

［1］朱冬生.世界經(jīng)典戰(zhàn)例（空襲與反空襲作戰(zhàn)卷）［M］.北京：解放軍出版社，2010.

［2］FRANZEN D W.A bayesian decision model for battle damage assessment［R］.Air force inst of tech wright-pattersonafb oh，1999.

［3］馬志軍，賈希勝，陳麗.基于貝葉斯網(wǎng)絡(luò)的目標毀傷效果評估研究［J］.兵工學(xué)報，2009，29（12）：1509-1513.

［4］史志富.基于貝葉斯網(wǎng)絡(luò)的UCAV編隊對地攻擊智能決策研究［D］.西安：西北工業(yè)大學(xué)，2007.

［5］王鳳山，張宏軍.基于貝葉斯網(wǎng)絡(luò)的軍事工程毀傷評估模型研究［J］.計算機工程與應(yīng)用，2011，47（12）：242-245.

［6］胡匯洋，許應(yīng)康，黃炎焱.基于動態(tài)貝葉斯網(wǎng)絡(luò)的目標毀傷等級評估［J］.科學(xué)技術(shù)與工程，2011，11（16）：3754-3759.

［7］劉海燕，史志富，梁華強.基于FBN的UCAV對地攻擊戰(zhàn)斗損傷評估［J］.系統(tǒng)仿真學(xué)報，2009，21（6）：1531-1534.

［8］李林.基于模糊與貝葉斯方法的戰(zhàn)場毀傷效果評估研究［D］.沈陽：沈陽航空航天大學(xué)，2012.

［9］倪敏，彭宜青，羅喻.神經(jīng)網(wǎng)絡(luò)和DEA方法的炮兵火力毀傷先驗評估模型［J］.火力與指揮控制，2012，37（2）：127-131.

［10］SHAMING L，JAHANSHAHLOO G R，Khodabakhshi M.A super-efficiency model for ranking efficient units in data envelopment analysis［J］.Applied Mathematics and Computation，2007，184（2）：638-648.

［11］朱大奇，史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用［M］.北京：科學(xué)出版社，2006.

中圖分類號：E919

文獻標識碼：A

文章編號：1002-0640（2016）04-0020-05

收稿日期：2015-03-15修回日期：2015-04-14

*基金項目：國家自然科學(xué)基金資助項目（11171350）

作者簡介：周興旺（1990-），男，陜西咸陽人，碩士研究生。研究方向：軍事運籌與決策建模。

Battle Damage Assessment of Air-raid Based on BP Neuralization Bayesian Network

ZHOU Xing-wang1，CONG Fu-zhong2，PANG Shi-chun2，HOU Man-yi2，XIN Teng-da3
（1.Unit 95519 of PLA，Luzhou 646000，China；2.Aviation University of Air Force，Changchun 130000，China；3.Equipment Academy，Beijing 101400，China）

Abstract：Aiming at the complex and diversity of battle damage factors of air-raid，and the existing shortage of a priori knowledge acquisition and network node restrictions when Bayesian network to assess，the assessment method based on the BP neutralization Bayesian network is brought out，which to solve the problem of the battle damage of air-raid.The influence factors of the battle damage of air-raid are analyzed，and the knowledge is showed，Analyzing the structure of bayesian network existing several defects when is dealing with multiple parent nodes，the network structure of battle damage assessment of air-raid based on BP neutralization Bayesian network is built.The method of decision-making of“BP neutralization module”is given out.The case through to analysis，and combining with the simulation with Netica，the accuracy of the assessment method is verified.There is a simple operation and good effectiveness.

Key words：air-raid combat，bayesian network，BP neural network，battle damage