系统工程与电子技术

作者：吴巍屹, 贾云献, 姜相争, 史宪铭, 刘洁, 刘彬, 董恩志, 朱曦

单位：陆军工程大学石家庄校区装备指挥与管理系, 河北 石家庄 050003

关键词：携行器材,阶段任务,稀疏核主成分分析,影响因素分析,花授粉算法,长短时记忆神经网络

基金：国家自然科学基金(71871220)

维修器材是有效实施维修保障的物质基础, 携行器材品种确定是开展维修器材携行决策的关键。针对执行阶段任务武器装备维修器材品种多、影响因素复杂且关联关系不明确造成的携行器材品种确定困难的现实问题, 提出了一种将改进稀疏核主成分分析(sparse kernel principal component analysis, SKPCA)算法与长短时记忆(long short-term memory, LSTM)神经网络模型相结合的阶段任务携行器材品种确定方法。在分析与任务阶段时序相关的携行器材影响因素及特征指标的基础上, 运用基于弹性惩罚的SKPCA降维算法, 对器材特征进行降维分析并得到低维稀疏特征向量, 通过缩减数据容量增强特征指标的可解释性; 运用混沌序列改进花授粉算法(flower pollination algorithm, FPA)优化LSTM超参数, 构建混沌FPA-LSTM预测模型, 精准进行携行器材品种确定。通过对演习携行器材品种确定算例分析验证了所提方法的科学性和可行性。

来源：2024年第6期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第6期