基于特征矩阵的行动预案匹配方法
基于智能算法的应急预案自动化生成方法研究
基于智能算法的应急预案自动化生成方法研究引言：高效、及时的应急预案对应对突发事件具有重要意义。
然而，传统的应急预案生成方法面临着信息搜集难、制定周期长等问题。
近年来，随着智能算法的发展，基于智能算法的应急预案自动化生成方法被提出。
本文将对该方法进行研究和分析，并探讨其在应急预案领域中的应用前景。
一、智能算法概述智能算法是一种运用于计算机和信息技术领域的一类方法。
智能算法通过模仿生物进化、种群群体行为等自然过程，通过自主学习和寻找最佳解的过程，优化解决问题的算法。
常见的智能算法包括遗传算法、粒子群算法、模拟退火算法等。
二、应急预案生成流程应急预案生成是一个综合性任务，需要考虑到多个方面的因素。
通常的生成流程包括信息搜集、需求分析、方案生成等。
1. 信息搜集信息搜集是应急预案生成的第一步，目的是获取与事件相关的数据和信息。
传统的信息搜集方法通常依赖于人工查找和分析，耗时且容易忽略重要信息。
智能算法可以通过数据挖掘和网络爬虫等技术，自动获取和整理相关信息，极大提高信息搜集的效率与准确性。
2. 需求分析需求分析是根据事件特点和人员需求，确定生成应急预案的具体目标和要求。
在传统方法中，需求分析往往需要大量人力和时间，并容易产生主观误差。
应用智能算法进行需求分析可以通过数据挖掘和模式识别等技术，自动分析和提取关键需求，减少了人工干预和主观性带来的误差。
3. 方案生成方案生成是根据需求分析的结果，自动生成具体的应急预案。
传统的方案生成方法通常依赖于专家经验和手动操作，限制了预案生成的规模和质量。
基于智能算法的方案生成方法可以通过模拟和学习，自动搜索和优化最佳解，并生成多个备选方案供选择。
三、基于智能算法的应急预案自动化生成方法研究是利用智能算法技术，结合应急管理理论，将应急预案生成过程进行自动化的一种方法。
该方法主要包括信息搜集、需求分析和方案生成三个主要环节，具体实施主要依赖于智能算法技术。
1. 智能算法技术的选择在应急预案自动化生成方法中，智能算法的选择至关重要。
应急预案中基于风险评估的关键任务优先级确定
应急预案中基于风险评估的关键任务优先级确定引言应急预案是组织在面对突发事件时采取的一系列协调行动的文件或工具。
对于应急预案中的关键任务优先级的确定，基于风险评估是至关重要的。
本文将从风险评估的概念和方法入手，探讨应急预案中基于风险评估的关键任务优先级的确定。
一、风险评估的概念和方法风险评估是指对特定事件发生的可能性和带来的潜在影响进行评估和分析的过程。
风险评估通常包括以下几个关键步骤：情景分析、风险识别、风险分析、风险评价和风险控制。
在应急预案中，风险评估的结果将直接影响到关键任务的优先级确定。
二、基于风险评估的关键任务优先级确定步骤1. 识别关键任务在应急预案中，关键任务是指在应对某一特定事件时必须要执行的任务。
通过对可能发生的事件进行情景分析和风险识别，可以确定关键任务的范围和内容。
2. 评估风险程度针对每个关键任务，进行风险分析和风险评价，综合考虑事件发生的可能性和其带来的影响程度。
通过量化的方法（如风险矩阵）对风险程度进行评估和量化，形成风险评估结果。
3. 确定关键任务优先级基于风险评估结果，根据风险程度的大小，将关键任务划分为高、中、低风险级别。
高风险级别的任务应被优先考虑，中低风险级别的任务可以根据具体情况进行逐级推进。
三、风险评估模型的应用1. 责任分担模型基于风险评估结果，将关键任务划分给不同的责任单位或个人。
根据风险评估的结果，将高风险任务交由专业机构或经验丰富的人员负责，确保高风险任务的专业性和高效性。
2. 资源调配模型高风险任务通常需要更多的资源支持，包括人员、物资和设备。
风险评估的结果可以作为资源调配的依据，确保高风险任务获得足够的资源支持，从而提高应急响应的效能。
3. 合作协调模型风险评估结果可以为不同单位之间的协作提供参考依据。
当关键任务需要多个单位协同配合时，高风险任务的执行可以优先考虑协作能力强、配合默契的单位，确保任务执行的协调性和一致性。
四、风险评估的挑战与解决途径1. 数据不完整和不准确风险评估依赖于充分准确的数据支持，然而获取和分析风险评估所需的数据是一个复杂的过程。
应急预案风险评估结果
应急预案风险评估结果1. 引言应急预案是组织在灾害、事故或其他突发事件发生时采取的紧急措施。
为了更好地应对可能出现的风险和威胁，评估应急预案的风险是至关重要的。
本文将介绍应急预案风险评估的结果。
2. 评估方法为了评估应急预案的风险，我们采取了以下方法：2.1 风险识别通过对组织内外的风险因素进行调查和分析，我们识别出了潜在的风险。
这些风险包括但不限于：•自然灾害（如地震、洪水、火灾等）•人为事故（如爆炸、泄漏、恐怖袭击等）•技术故障（如电力中断、网络故障等）•经济、政治和社会因素（如通货膨胀、战争、社会动荡等）2.2 风险评估基于风险识别的结果，我们对每种风险进行了评估，包括风险的概率和影响程度。
我们使用了一种常见的风险评估矩阵来标识和分类风险：高概率/高影响高概率/低影响低概率/高影响低概率/低影响高优先级 A B C D低优先级 B C D E其中，A代表高优先级风险，需要立即采取措施应对；E代表低优先级风险，可以在其他重要任务完成后再予以处理。
3. 风险评估结果基于上述的风险识别和评估方法，以下是我们的应急预案风险评估结果：3.1 高优先级风险3.1.1 自然灾害•地震：高概率/高影响。
由于组织位于地震多发地区，地震可能对设施造成严重破坏，需要立即采取行动来确保员工的安全。
•洪水：高概率/高影响。
降雨量的增加可能导致河流溢出，导致公司设施被水淹，需要制定应对洪水的计划并确保紧急疏散安全进行。
•火灾：高概率/高影响。
由于组织使用大量易燃物品，火灾可能对员工和设施造成严重危害，需要采取火灾应对措施以最小化损失。
3.1.2 人为事故•恐怖袭击：高概率/高影响。
由于公司位于市中心，可能成为恐怖袭击的目标，需要加强安保措施，并制定应急响应计划来保护员工和设施的安全。
3.2 低优先级风险3.2.1 技术故障•电力中断：低概率/高影响。
电力中断可能导致生产中断和办公环境不稳定，需要备用发电设备，并制定应对电力中断的计划。
又快又准的特征匹配方法
又快又准的特征匹配方法又快又准的特征匹配方法是计算机视觉领域中非常重要的一个问题。
特征匹配是指在两个或多个图像中找到具有相似性的特征点，并建立它们之间的对应关系。
特征匹配在很多应用中都有广泛的应用，如图像配准、目标检测和跟踪等。
在过去的几十年中，研究人员提出了许多特征匹配方法，其中一些方法即使在处理大规模数据集时也能提供很高的匹配准确性和效率。
下面将介绍几种又快又准的特征匹配方法。
1.SIFT（尺度不变特征变换）SIFT是一种非常经典的特征匹配算法，在很多应用中都被广泛使用。
它通过将图像中的特征点转换成尺度、旋转和亮度不变的向量，然后使用特征向量之间的欧氏距离来进行匹配。
SIFT算法具有很高的匹配准确性和鲁棒性，但在处理大规模数据集时会存在时间和空间复杂度较高的问题。
2.SURF（加速稳健特征）SURF是一种基于SIFT的改进算法，能够在保持较高匹配准确性的同时提高匹配的速度。
SURF算法用Hessian矩阵来检测特征点，并通过使用积分图像来加速特征描述子的计算。
这种基于加速稳健特征的特征匹配方法比SIFT更快、更鲁棒，适用于处理大规模数据集。
3.ORB（方向倒角二值描述子）ORB是一种在效率和准确性之间取得平衡的特征匹配算法。
它结合了FAST关键点检测器和BRIEF特征描述子，使用方向倒角二进制描述子来表示特征点，从而使得匹配速度更快。
ORB算法在实践中表现良好，尤其适用于移动设备上的实时应用。
4.BRISK（加速鲁棒特征）BRISK是一种能够提供快速、鲁棒特征匹配的算法。
它通过快速角点检测器来检测特征点，并使用二进制描述子来进行特征匹配。
BRISK算法具有较低的计算复杂度和内存消耗，并且能够在保持较高的匹配准确性的同时提供很高的速度。
TCH（局部联合二进制特征）LATCH是一种基于二进制特征匹配的算法，具有很高的匹配速度和鲁棒性。
LATCH算法通过使用快速特征检测器和局部联合二进制描述子来检测和匹配图像中的特征点。
特征匹配 匹配策略
特征匹配匹配策略：
特征匹配是图像处理和计算机视觉中的重要技术，用于在两幅或多幅图像之间找到对应的特征点，并建立特征点之间的对应关系。
特征匹配的匹配策略主要有以下几种：
1.基于阈值的匹配策略：通过设定阈值来比较两个特征点之间的相似度，如果相似度
大于阈值，则认为这两个特征点是匹配的。
这种策略简单、快速，但容易受到光照、旋转等因素的影响，匹配精度不高。
2.基于最近邻距离比的匹配策略：首先计算两个特征点之间的距离，然后通过比较该
距离与次近邻距离的比值来判断是否匹配。
这种策略能够排除一些不准确的匹配点，但计算复杂度较高。
3.基于特征描述符的匹配策略：通过提取特征点的特征描述符（如SIFT、SURF等），
然后比较两个特征点的描述符是否相似来判定是否匹配。
这种策略对光照、旋转等变化具有一定的鲁棒性，但计算量大，需要较长的计算时间。
4.基于深度学习的匹配策略：利用深度学习技术进行特征点的匹配，如卷积神经网络
（CNN）等。
这种策略能够自动学习特征表示，具有较高的匹配精度和鲁棒性，但需要大量的训练数据和计算资源。
基于风险矩阵的风险评估方法及应用研究
Key Words: risk matrix, level of risk, risk assessment, Borda method, AHP (analytic hierarchy process)
II
北京理工大学硕士学位论文
目录
第 1 章 绪论 .........................................................................................................1
In this paper, we study in the traditional risk matrix method, fully analyze the principles and steps of this method, and put forward the improved methods of risk hierarchy division and Borda method according to its disadvantages of simply using P × C for the risk hierarchy division. We construct risk hierarchy division model Pα × C β , and analysis the advantages of the improvement. Finally, with Asiainfo-linkage’s P0 project as an example, we apply the improved risk matrix method that based on the risk assessment to the software project risk assessment, and make an instance analysis.This example proves the maneuverability of this paper’s research and help enterprise to understand and implement risk assessment more effectively.tract
2024.7.26-应急管理知识暨预案编制实施管理
5、什么是应急管理？
应急管理的定义
在应对突发事件的过程中，为了预防和减少突发事件的发生，控制、减轻和消除突 发事件引起的危害，基于对突发事件的原因、过程及后果进行分析，有效集成社会 各方面的资源，对突发是事件进行有效预防、准备、响应和恢复的过程。 一般意义上，应急管理按照时间序列划分为预防、准备、响应、恢复四个阶段。这 四个阶段前后相互关联、交织，共同构成一个循环系统。同时，每个阶段又彼此独 立，每一阶段又是构筑在前一阶段之上，互相包含彼此关键性要素和目标。
前
言
应急管理是在应对突发事件的过程中，为了预防和减少突发事件的发生，控制、减轻 和消除突发事件引起的危害，基于对突发事件的原因、过程及后果进行分析，有效集 成社会各方面的资源，对突发是事件进行有效预防、准备、响应和恢复的过程。
我们今天在此举行应急管理专题培训，其目的就是为了提高我们预防和减少突发事件 的发生，控制、减轻和消除突发事件引起的危害的管理水平。
预先危险 性分析 (PHA)
危险有害 因素分析 危险性等 级
定性
讨论分析系统存在的 危险、有害因素、触 发条件、事故类型， 评定危险性等级
各类系统设计，施 工、生产、维修前 的概略分析和评价
分析评价人员 熟悉系统，有 丰富的知识和 实践经验
简便易行，受分 析评价人员主观 因素影响
5、常用危险评价方法比较表
大量使用图表、 简捷明了、参数 取位宽、因人而 异，只能对系统 整体宏观评价
帝国化学公 司蒙德法 (MOND)
火灾、爆 炸、毒性 及系统整 体危险性 等级
定量
由物质、工艺、毒性 、布置危险计算采取 措施前后的火灾、爆 炸、毒性和整体危险 性指数，评定各类危 险性等级
生产、贮存、处理 燃爆、化学活泼性 、有毒物质的工艺 过程及其他有关工 艺系统
基于人工智能的应急预案自动化生成方法研究
基于人工智能的应急预案自动化生成方法研究引言应急预案是在自然灾害、事故灾难等突发事件发生时，为了减少损失、保障人民生命财产安全而制定的一套行动计划和指导原则。
然而，传统的应急预案编写工作繁琐、耗时且容易出错，为了解决这一问题，近年来基于人工智能的应急预案自动化生成方法受到了广泛关注。
本文将对基于人工智能的应急预案自动化生成方法进行研究并进行详细阐述。
1. 数据采集与处理1.1 数据来源基于人工智能的应急预案自动化生成方法的首要任务是收集和整理相关数据。
数据的质量和多样性对生成的预案起到决定性的作用。
数据可以来自过去类似事件的记录、相关行业专家的经验以及公开的数据资源。
合理的数据来源对于生成可靠的应急预案至关重要。
1.2 数据清洗和预处理收集到的数据可能存在噪音、冗余和不完整的情况，因此需要进行数据清洗和预处理。
通过数据清洗，可以去除错误和无关的信息，提高数据的质量。
预处理阶段会进行数据归一化、特征提取等操作，以便模型能够直接使用这些数据进行训练和生成预案。
2. 自然语言处理2.1 文本分析和关键词提取在进行应急预案自动化生成时，需要将收集到的文本数据进行分析和关键词提取。
通过分析文本中的句子结构和语义关系，可以更好地理解文档的内容。
关键词提取可以从文本中提取出与应急预案相关的关键词，为后续的预案生成提供支持。
2.2 文本分类和主题建模对于大量的文本数据，需要进行分类和主题建模，以方便后续的预案生成工作。
通过文本分类，可以将文档按照一定的标准进行分类，从而为生成特定领域的预案提供便利。
主题建模可以将文本数据划分为不同的主题，以便更好地理解数据的内在结构。
3. 人工智能模型应用3.1 生成模型的选择生成模型是基于人工智能的应急预案自动生成的核心工具，选择适合的生成模型可以提高应急预案的质量和准确度。
常见的生成模型包括基于规则的方法、统计语言模型和深度学习模型。
根据实际情况选择适合的模型，以期获得较好的生成效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第１０卷㊀第２期㊀２０１９年４月指挥信息系统与技术C o mm a n d I n f o r m a t i o nS y s t e ma n dT e c h n o l o g yV o l ．１０㊀N o ．２A pr ．２０１９ 理论与探索d o i :１０．１５９０８/j．c n k i ．c i s t ．２０１９．０２．００８基于特征矩阵的行动预案匹配方法∗方㊀冰１㊀郭晓鸿１㊀栾金龙２(１㊀中国电子科技集团公司第二十八研究所㊀南京２１０００７)(２㊀火箭军驻南京地区专装军代室㊀南京２１００３９)摘㊀要:传统预案匹配方法主要基于人为判定,匹配算法较复杂,实时性差,难以满足现代战争高实时性㊁准确性的需求.针对该问题,提出了一种基于特征矩阵的行动预案匹配方法.首先,阐述了该方法的主要原理;然后,给出了行动要素提取和基于特征矩阵的预案匹配模型;最后,结合反导攻防作战给出了应用实例.实例结果表明,该方法可快速辅助指挥员优选预案,并能根据任务需求对匹配预案做出适应性调整,有效提升了行动决策的快速性和准确性.关键词:行动要素;特征矩阵;预案匹配中图分类号:T P ３９１．４１㊀㊀文献标识码:A㊀㊀文章编号:１６７４Ｇ９０９X (２０１９)０２Ｇ００３９Ｇ０４O p e r a t i o nP r e p l a n M a t c h i n g Me t h o dB a s e do nF e a t u r eM a t r i x F A N GB i n g １㊀G U O X i a o h o n g １㊀L U A NJ i n l o n g２(１T h e ２８t hR e s e a r c h I n s t i t u t e o fC h i n aE l e c t r o n i c sT e c h n o l o g y G r o u p C o r p o r a t i o n ,N a n j i n g ２１０００７,C h i n a )(２S p e c i a l ＧP u r p o s eE q u i p m e n tM i l i t a r y R e p r e s e n t a t i v eO f f i c e o fR o c k e tF o r c e i nN a n j i n g Z o n e ,N a n j i n g ２１００３９,C h i n a )A b s t r a c t :T h e t r a d i t i o n a l p r e p l a nm a t c h i n g m e t h o d s a r em a i n l y b a s e do na r t i f i c i a l j u d gm e n tw i t h t h e c o m p l e xm a t c h i n g a l g o r i t h m s a n d p o o r r e a l Ｇt i m e p e r f o r m a n c e s ．S o i t i s d i f f i c u l t t o s a t i s f y t h e r e q u i r e m e n t s o f h i g h r e a l Ｇt i m e a n d a c c u r a c y i nm o d e r nw a r f a r e ．A i m e d a t t h e a b o v e p r o b l e m s ,a n o p e r a t i o n p r e p l a n m a t c h i n g m e t h o db a s e do nt h e f e a t u r e m a t r i x i s p r o p o s e d ．F i r s t l y,t h e m a i n p r i n c i p l e o f t h em e t h o d i s e x p o u n d e d ．T h e n ,am o d e l f o r o p e r a t i o n e l e m e n t s e x t r a c t i o n a n d o p e r Ｇa t i o n p r e p l a nm a t c h i n gb a s e do nt h e f e a t u r e m a t r i x i s p r e s e n t e d ,a n da na p pl i c a t i o n i n s t a n c e i s g i v e nc o m b i n e dw i t h t h e a n t i Ｇm i s s i l e a t t a c k a n d d e f e n s e o p e r a t i o n s ．T h e i n s t a n c e r e s u l t s h o wt h a t t h em e t h o d c a n r a p i d l y h e l p t h e c o mm a n d e r o p t i m i z e p r e p l a n c h o o s i n g ,a n d c a n p r o v i d e a d a p t i v e a d j u s t m e n t t o t h em a t c h i n gp l a na c c o r d i n g t o t h e t a s kr e q u i r e m e n t s ．T h u s ,t h e r a p i d i t y a n d t h e a c c u r a c y o f t h e o p e r a t i o nd e c i s i o nm a k i n g a r e e f f e c t i v e l y en h a n c e d ．K e y wo r d s :o p e r a t i o n f a c t o r ;f e a t u r em a t r i x ;p r e p l a nm a t c h i n g ㊀❋基金项目:火箭军装备发展部 十三五 预研课题资助项目.收稿日期:２０１８Ｇ０１Ｇ１１引用格式:方冰,郭晓鸿,栾金龙．基于特征矩阵的行动预案匹配方法[J ]．指挥信息系统与技术,２０１９,１０(２):３９Ｇ４２．F A N GB i n g ,G U OX i a o h o n g ,L U A NJ i n l o n g ．O p e r a t i o n p r e p l a nm a t c h i n g me t h o db a s e d o nf e a t u r em a t r i x [J ]．C o mm a n d I n f o r m a t i o nS y s t e ma n dT e c h n o l og y,２０１９,１０(２):３９Ｇ４２．０㊀引㊀言现代战争中,由于作战环境和作战模式的变化,打击稍纵即逝的机动目标和即时发现的时间敏感性目标已成为作战关键.打击目标实时性要求显著提升,感知空间扩大,作战时间窗口极度压缩.因此,传统的人在回路控制方式㊁按照流程临机制定方案已无法满足军事斗争的需要[１],必须引入预案匹配机制.目前,针对预案匹配的研究方法大多基于历史数据和专家经验人为拟定主要匹配要素,采用层次分析法或模糊评判法等计算匹配要素权值,得出当前行动与预案的偏差.上述方法不能真实反映关键匹配因素,且算法较复杂,实时性差,无法满足实际作战需求.本文提出基于特征矩阵的行动预案匹配计算方法,该方法不仅考虑了从战场环境中提取关键特征信息,还可根据战场实时侦察情报生成战场特征矩阵,快速对比匹配预案特征矩阵从而优选出最佳匹配预案,可有效提升行动决策的快速性和准确性,具有良好的工程应用价值.１㊀原㊀理基于特征矩阵[２Ｇ５]的行动预案匹配原理如图１所示.首先,根据任务要求和战场综合情况等提取需重点关注的行动关键要素;其次,基于提取出的要素采用格式化表述方式构建行动预案,包含了可能出现的战场环境和针对战场环境采取的应对措施.该行动预案可以事先预置,如在部队平时训练和演习活动中,针对各种场景和任务要求,制定多套不同的行动方案保存于预案库,也可从历史作战方案中获取;再次,根据战场实时侦察情报生成战场特征矩阵,比对预案特征矩阵并进行匹配排序,选出最佳匹配预案;最后,根据当前任务和战场态势新增或修改匹配预案中部分内容,对匹配预案做出适应性调整,确定最终行动方案.可将调整后预案作为一个新案例存储于预案库,丰富预案库的同时方便后续行动方案匹配.图１㊀基于特征矩阵的行动预案匹配原理２㊀关键技术２．１㊀行动要素提取㊀㊀现代战争行动要素复杂,信息量庞大.以攻防对抗为例,主要包含进攻方的武器类型㊁位置和速度,防御方的武器部署㊁防护能力㊁状态和射程,探测系统的位置㊁工作模式㊁探测概率㊁跟踪策略㊁跟踪能力和引导方式等因素.若考虑每个因素的作用,必然影响作战的及时性.如何根据作战任务,从众多因素中快速准确地提取出最少的关键要素成为研究的关键环节.本文采用主成分分析法,在不损失或很少损失原有信息前提下,将原来具有一定相关性指标综合成一组新的互不相关的主成分指标,同时按照一定原则从中选取较少的几个主成分指标以尽可能多地反映原有指标的信息[６Ｇ７].主成分分析法基本步骤如下:１)标准化原始数据矩阵.为了求得各要素间相关系数,需对数据进行标准化变换得矩阵Z 如下:Z ＝(z i j )n ˑp x j ＝ðn i ＝１x i j/n s ２j ＝ðn i ＝１(x i j －x j )２/(n －１)z i j ＝(x i j －x j )/s jìîíïïïïïïïï(１)其中,x i j 为第i 名专家对第j 个要素的打分值;x j 为所有专家对第j 个要素打分的平均值;s j 为所有专家对第j 个要素打分的标准差,i ＝１,２, ,n ,j ＝１,２, ,p ;n 为专家数量;p 为要素数量.２)计算标准化矩阵的相关矩阵.用相关系数表明各要素间相关性,构建相关矩阵R ＝(r j k )p ˑp ,其中r jk 为要素j 与要素k 的相关系数,具体如下:r j k ＝１n －１ðni ＝１(x i j －x j )s j(x i k －x k )s k æèçöø÷(２)㊀㊀３)获取相关矩阵特征值和特征向量.通过相关分析求得相关矩阵R 的特征根λg (g ＝１,２, ,p ;λ１ȡλ２ȡ ȡλp ),其中,λg 为各主成分F g 的方差,描述了各主成分对综合评价的贡献大小.４)计算方差贡献率并确定主成分个数m .主成分分析法选取m 个主成分(m ＜p )进行综合评价,需明确各主成分方差贡献率.按照累计贡献率不低于８５％的原则,则m 需满足下述条件:ðm i ＝１λi ðpj ＝１λjȡ８５％(３)２．２㊀基于特征矩阵预案匹配针对作战指挥中作战方案快速生成需求,本文提出了基于特征矩阵进行预案匹配,即计算战场特征矩阵和预案特征矩阵的偏差值,最小偏差值对应的预案为最佳匹配预案.具体步骤如下:１)行动预案格式化描述.行动预案采用格式化表述方式,预案格式化描述方法如图２所示.行动预案主要由特征区和方案区２部分组成.(１)特征区由行动要素构建而成,包含了可能出现的战场情况,如武器状态和系统状态等.武器状态指武器当前状态,主要包括武器类型和武器的当前高度㊁速０４指挥信息系统与技术２０１９年４月㊀图２㊀预案格式化描述方法度和方位角等要素;系统状态中的系统指探测系统和武器系统等.其中,探测系统包括探测类型㊁工作状态和战场环境(气象水文环境㊁地理环境和电磁环境)等要素;武器系统包括武器射程㊁工作状态和数量等要素.(２)方案区包含了针对战场情况的应对计划,如武器调度方案和系统调度方案等.其中,武器调度方案指根据武器的使用依据和行动规划预先设置的武器调度预案,包括武器型号㊁武器数量㊁发射位置㊁打击目标和发射模式等要素;系统调度方案指预先设置的探测系统和特情处置预案等,其中,探测系统包括探测模式和探测时空等要素,特情处置方案包括路线调整方案和目标调整方案等要素.２)特征矩阵自动生成提取.特征矩阵生成主要包含预案特征矩阵自动生成和战场特征矩阵自动提取.其中,预案矩阵自动生成根据１)中行动预案特征区抽取数据形成;战场特征矩阵则根据战场实时情报对预案特征区的每个元素赋值形成.平时制定的预案均对应一个特征矩阵.３)基于特征匹配的预案快速排序.先利用范数公式[８]计算战场特征矩阵和预案特征矩阵的偏差值[９Ｇ１０],再进行遍历,对所有遍历后的偏差值排序,最小偏差值对应的预案即最佳匹配预案.偏差值计算公式如下:D＝A－B i２㊀㊀i＝１,２, ,J(４)其中,D为偏差值;A为战场特征矩阵;B i为预案特征矩阵;i为预案索引;J为预案总数.４)人工调整确定行动预案.根据指挥员的作战意图[１１Ｇ１５](最大程度消灭来袭目标,最大限度保卫我方区域,以及拦截武器使用数量最少等),结合实时战场态势进行预案选择,可对匹配预案中部分内容进行修改或新增内容项,对匹配预案做出适应性调整[１６],确定行动方案.３㊀应用实例本文以反导攻防作战为例,利用要素提取技术和特征矩阵预案匹配技术筛选最优反导行动方案.主要过程如下:１)提取反导行动要素,通过主成分分析法从反导行动相关要素集提取关键要素,包括进攻方的武器类型㊁武器射程㊁武器速度㊁武器方位和武器数量,探测系统的类型㊁工作状态㊁探测频率㊁探测距离和探测方向,以及防御方的武器射程㊁工作状态㊁防护能力㊁是否故障和数量等;２)根据步骤１)提取的反导行动关键要素构建行动预案特征区,并根据特征区中可能出现的战场情况构建了相应的应对计划,即方案区内容,包含发射弹型㊁发射弹量㊁发射位置㊁打击目标和发射模式等武器调度方案㊁探测资源调度方案和特情处置方案.反导行动预案格式化描述如图３所示.图３㊀反导行动预案格式化描述３)根据实时获取的战场环境信息对行动预案中特征区的每个元素进行赋值.例如,对进攻武器类型为近程导弹赋值１,中程导弹赋值２,远程导弹赋值３;对探测系统工作状态为关机赋值１,开机赋值２;对防御武器处于正常状态赋值１,故障状态赋值２;对预案特征区的所有元素均进行赋值后形成预案的特征矩阵.预案特征矩阵生成如图４所示.按照上述方案,对所有平时的预案确定其特征矩阵.４)通过战场环境信息实时获取得到以下战场数据:(１)进攻武器:３枚近程导弹,射程８００k m,速图４㊀预案特征矩阵生成１４第１０卷㊀第２期方㊀冰,等:基于特征矩阵的行动预案匹配方法度８k m /s ,方位正北;(２)探测系统:雷达,开机状态,探测频率８０H z ,探测距离４００k m ,西北探测方向;(３)防御武器:射程８００k m ,开机,防护能力强,非故障状态,数量２.按照３)中赋值规则构建的战场特征矩阵为１２２４３１１３１２１１２１２éëêêêùûúúú.下面以预案库中３个预案为例:预案１㊀(１)进攻武器:４枚近程导弹,射程９００k m ,速度８．２k m /s ,方位正北;(２)探测系统:雷达,开机状态,探测频率８５H z ,探测距离４２０k m ,西北探测方向;(３)防御武器:射程８１０k m ,开机状态,防护能力强,无故障,数量３.预案２㊀(１)进攻武器:２枚中程导弹,射程１５００k m ,速度９k m /s ,方位东南;(２)探测系统:飞机,开机状态,探测频率１００H z ,探测距离２００k m ,正南探测方向;(３)防御武器:射程６００k m ,开机状态,防护能力弱,无故障,数量１.预案３㊀(１)进攻武器:１枚远程导弹,射程３０００k m ,速度２０k m /s ,方位东北;(２)探测系统:雷达,开机状态,探测频率９０H z ,探测距离４５０k m ,正北探测方向;(３)防御武器:射程７００k m ,开机状态,防护能力强,无故障,数量１.根据３)中赋值规则构建预案特征矩阵,预案１~预案３特征矩阵分别为１２２４４１１３１２１１２１３éëêêêùûúúú㊁２２２６２３１３３７２１１１１éëêêêùûúúú和３３３３１１１３１４１１２１１éëêêêùûúúú.按照式(４)分别计算得战场特征矩阵和预案１~预案３特征矩阵的偏差值分别为:D １＝２＝１．４１４,D ２＝４２＝６．４８１,D ３＝１６＝４.对所有偏差值排序,发现D １最小,故D １对应预案即最佳匹配预案[１７Ｇ１８].４㊀结束语现有系统大多基于人为方式筛选预案,无法满足实际作战高实时性需求.本文提出了基于特征矩阵的行动预案匹配方法,该方法可较准确地从战场环境中提取关键特征信息,并可辅助指挥员快速优选出最佳预案,根据任务需求对匹配预案做出适应性调整,为指挥员快速精准决策提供依据.该方法可应用于各类战场行动预案匹配,可推广到作战指挥㊁训练演习和科研试验等各领域的行动预案优选与调整.参考文献(R e f e r e n c e s):[１]㊀赵玉林,戚志刚,王海宁,等．对海突击行动预案匹配方法[J ]．指挥信息系统与技术,２０１８,９(１):５６Ｇ６１．[２]㊀田华,刘俣男,顾家莹,等．基于特征矩阵相似性度量的形状对应性分析[J ]．计算机应用,２０１７,３７(６):１７６３Ｇ１７６７．[３]㊀李海林,郭韧,万校基．基于特征矩阵的多元时间序列最小距离度量方法[J ]．智能系统学报,２０１５,１０(３):４４２Ｇ４４７．[４]㊀徐敬,刘炜．基于特征矩阵的高效数字识别算法[J ]．软件导刊,２０１４,１３(１):５９Ｇ６１．[５]㊀史军军,焦念君．基于特征矩阵匹配的干扰效果评估方法[J ]．雷达科学与技术,２０１２,１０(４):４１６Ｇ４２０．[６]㊀朱艺,肖兵,林傲．基于主成分分析法的反导态势要素提取研究[J ]．现代防御技术,２０１５,４３(１):３１Ｇ３８．[７]㊀刘广军,丁哲峰,罗小明．基于主成分分析的防空导弹武器综合评价[J ]．战术导弹技术,２０１０(５):１２Ｇ１５．[８]㊀王文丹,马昌凤．关于矩阵K r o n e c k e r 积的几个范数公式[J ]．福建师范大学学报(自然科学版),２０１５,３１(６):１０Ｇ１７．[９]㊀王防修,刘春红．基于时间最优的费诺编码算法研究与设计[J ]．武汉轻工大学学报,２０１５,３４(２):６５Ｇ６９．[１０]齐晓骥．基于多参数的发动机综合性能评估[D ]．天津:中国民航大学,２０１６．[１１]张晓海,操新文,耿松涛,等．基于深度学习的军事辅助决策智能化研究[J ]．兵器装备工程学报,２０１８,３９(１０):１６２Ｇ１６７．[１２]姚庆锴,柳少军,贺筱媛,等．战场目标作战意图识别问题研究与展望[J ]．指挥与控制学报,２０１７,３(２):１２７Ｇ１３１．[１３]崔洋培．基于目标意图的空空导弹智能制导与控制技术研究[D ]．南京:南京航空航天大学,２０１５．[１４]王杨．战场态势目标识别与态势意图预测的算法研究[D ]．无锡:江南大学,２０１５．[１５]冷画屏,吴晓锋,余永权．水面目标机动类型识别研究[J ]．舰船科学技术,２００７,２９(４):５１Ｇ５３．[１６]吴林锋,王刚,杨少春,等．基于C B R 的反导作战方案生成技术[J ]．空军工程大学学报(自然科学版),２０１１,１２(５):４５Ｇ４９．[１７]黄敏敏,蒋珉,柴干．高速公路交通应急预案的模糊匹配[J ]．工业控制计算机,２０１５,２８(１):１３３Ｇ１３６．[１８]黄敏敏．高速公路交通应急求援预案智能匹配方法研究[D ]．南京:东南大学,２０１５．作者简介:方㊀冰,女(１９８４ ),高级工程师,研究方向为指挥自动化系统总体设计和仿真技术.郭晓鸿,女(１９８７ ),工程师,研究方向为计算机网络技术和系统集成.栾金龙,男(１９７６ ),工程师,研究方向为电子与通信工程.(本文编辑:李素华)２４指挥信息系统与技术２０１９年４月㊀。