未来战争是复杂巨系统体系之间的对抗，具有不确定性、自主性和层次涌现性等特征。开展武器装备作战能力和体系贡献率的评估研究，对装备体系论证、装备使用研究、作战试验开展、实战化训练等具有重要意义[1]。
作战评估反映了一定作战环境和作战任务下，评估对象对作战体系内各系统作战能力及整个体系作战能力影响作用的度量。在未来复杂体系对抗中，随着装备种类繁多、作战样式扩展、战场环境复杂、作战过程快速演化，现有预先构建装备性能、作战方案、评估指标的静态作战评估方法的科学性、实用性和可信性不足，已不能满足作战评估发展需要，需发展新的作战评估模式和框架[1-2]。
现有作战评估技术根据其原理可分为统计法、解析法、仿真法和综合法。统计法应用数理统计的方法，利用实战、演习、试验等获取的数据统计分析获得；解析法通过解析式的计算而获得；仿真法利用仿真实验获得仿真数据并进行分析而获得。综合法采用一种或多种以上方法综合而成。以上方法均未能充分考虑作战过程的整体性、复杂性、对抗性、动态性和评估指标的不确定性。
本文从大数据与机器学习角度，立足复杂系统体系视角，依据仿真推演过程的时序及数据，从网络性、动态性、关联性等方面提取体系对抗中的关键指标并进行评估，为效能评估和体系贡献率分析提供方法。
1 总体构架
基于大数据及机器学习的体系评估技术一方面基于武器装备体系作战网络模型，利用复杂网络的相关性能指标及计算方法，从作战网络评估和特定目标场景下的体系作战能力分析两方面对体系效能进行评估，发现体系能力建设中的短板及关键装备，对武器装备体系结构顶层设计进行优化，以满足未来作战需求；另一方面，构建装备体系对抗过程中的作战环路，在特定对抗场景下，依托实时推演仿真数据驱动大量作战环路的协同流转，通过梳理作战环路的数量、长度、闭合性、有效性，支撑指控关系网、通信交互网及装备效能网的分析评估。
基于大数据及机器学习的作战评估技术总体架构如图1所示。
基于大数据及机器学习的作战评估技术通过构建作战体系、交战任务、装备性能、指控链路、作战能力等不同层次、维度的评估视图，实现体系仿真过程中的数据分析、对抗效果的评定与对抗过程中重点对抗指标的定位。在评估分析中，通过大数据分析与机器学习技术挖掘评估指标体系中的关联关系与时序对抗逻辑，实现基于指标及关联关系的复杂体系评估。在评估分析的基础上，实现特定场景下装备体系贡献率评估分析，支持现有装备体系结构的改进优化。将大数据及机器学习方法应用到仿真系统作战任务体系评估中，可实现对海量数据、复杂关系的自动学习、自动评估，大大提高武器装备作战评估的科学性。
图1 基于大数据及机器学习的作战评估技术总体架构示意图
2 关键技术
2.1 作战体系复杂性评估指标智能构建
构建合适的指标体系是对战场对抗进行评估的基础。传统评估方法中，需在仿真前预先设计完整的评估指标体系。由于对抗过程的复杂性，评估指标体系设计难度大，实用性较差[3]。面向复杂性的评估指标体系智能构建方式下，将指标体系构建转换为仿真前构建评估问题、确立评估指导原则和战场要素要求，通过在仿真过程中引入摄动条件，进行大样本对抗仿真，抽取仿真大数据，从大数据分析中寻找对战场对抗走向起到关键作用的特征指标，与传统纯人工构建的指标体系共同进行分析，实现人机结合、面向问题的智能化评估指标体系构建。指标体系智能构建过程如图2所示。
面向复杂性的评估指标体系智能构建技术，利用复杂网络的相关性能指标及计算方法，从作战网络评估和特定目标场景下的体系作战能力分析两方面对体系效能进行评估，对武器装备体系结构设计进行优化，以满足未来作战需求。
图2 面向体系复杂性的指标体系智能构建过程框图
2.2 基于时序的作战任务网络分析
传统评估方式仅仅统计分析各类作战效果信息，丢失了大量的时序逻辑[4]。基于时序的作战任务网络分析方法保留了体系交战过程中的任务时序信息，通过利用大数据关联分析能力，可建立不同任务间及任务内部不同阶段的关联关系，形成完整的任务依赖关系和支撑关系网络，将静态的装备体系结构拓扑转换为动态的任务支撑关系，凸显装备体系结构对任务能力生成的重要影响[4]。基于时序的数据关联分析评估方法如图3所示。
图3 基于时序的数据关联分析评估方法示意图
2.3 基于大数据的体系评估视图构建
从仿真大数据恢复对抗中可能出现的体系协同与对抗关系，并将各类对抗关系进行整合，按照多任务对抗仿真的作战任务进行展现[5]。提供对抗过程中体系对抗关系、单项作战任务内作战关系的图形化分析能力。同时，支持将不同样本的仿真数据进行整合，通过统一的可视化分析，实现不同样本下的统计特征提取，实现基于人机交互的对抗特征提取[6-7]。体系评估视图构建流程如图4所示。
图4 体系评估视图构建流程框图
传统评估指标构建与评估方式下，重点关注对抗最终效果的分析。大数据及深度学习方法，提供了在对抗模式、关联关系分析的新可能[8]。基于大数据和深度学习的评估技术在传统指标评估基础上，利用时序任务数据、态势数据及对抗过程数据，收集传统作战效果统计外的对抗过程信息，实现对态势演化过程、任务依赖关系的动态把握。态势演进过程中，通过基于径向基的深度神经网络实现对态势数据的动态挖掘。提取典型对抗模式信息。将传统的连续对抗过程提炼为不同对抗模式间的转换，实现对抗过程的定量把握，验证装备体系改变对对抗模式产生的冲击影响。
2.4 装备贡献率多维度评估分析
装备贡献率多维度评估分析技术将装备置身于近似真实的作战条件下，根据装备承担的作战任务，充分考虑装备使用中的真实作战对手及作战环境，评估该装备对作战体系效能提升的贡献程度。可从任务、能力、结构、演化4个维度来探讨体系贡献度的内涵和分类，构建装备贡献率多维度评估分析方法[9]。装备体系贡献度评估总体如图5所示。
图5 装备体系贡献度评估总体框图
任务贡献度指作战体系满足任务需求的程度。从效能提升度角度来讲，任务贡献度指包含该武器装备的作战体系任务完成程度的变化量或变化率。
能力贡献度一般分为火力打击能力、信息支援能力、指挥控制能力、机动能力、综合防护能力、作战保障能力。从满足作战需求角度，能力贡献度指作战体系满足能力需求的程度，能力需求指作战体系为完成使命任务时应达到的总体能力目标；从效能提升度的角度，能力贡献度是指作战体系能力的变化量或变化率。
结构贡献度是指作战体系在编成编组、信息连通、作战协同、结构特性等满足需求的程度。从效能提升度的角度来讲，结构贡献度指作战体系功能结构和信息结构效能带来的的变化量或变化率。
演化贡献度从实战的动态变化角度，反映体系内作战对手、战术战法的影响和涌现效应。从需求满足的角度来讲，演化贡献度指作战体系的结构、状态、功能、行为等在体系对抗过程中随时间满足需求的程度；从效能提升角度来讲，演化贡献度指作战体系在协同打击能力、协同侦察能力、协同保障能力方面的变化量或变化率。
3 结论
战争是复杂巨系统体系之间的激烈对抗。当前作战评估方法普遍对作战要素的体系性、关联性和作战过程的对抗性、动态性、随机性考虑不足，评估方法的可信度和科学性急需提高。本研究从大数据分析与机器学习角度，基于作战仿真推演数据，提出了一套智能作战评估方法和评估框架。通过构建作战体系、交战任务、指控流程、装备能力等不同层次、不同维度的评估视图，实现对抗过程核心评估指标体系的智能构建。通过挖掘评估指标体系的相互关系与时序对抗逻辑，实现基于动态关联关系的作战网络评估。通过分析时序任务数据、态势数据及过程数据，实现对作战演化过程、对抗关系、对抗策略、对抗效果等的动态评估。在以上评估基础上，针对具体装备，提出任务、能力、结构、演化四个维度的体系贡献率分析方法，支持装备体系与能力的改进优化。
将大数据及机器学习方法应用到作战评估中，满足了战争作为复杂巨系统的体系性、关联性、动态性和对抗性要求，提高作战评估的科学性和准确性。未来需对评估指标智能构建、作战任务动态分析、多维度评估分析等关键技术中的分析模型和实现方法开展深入研究。
[1] 张庆军，张明智，吴曦.空间作战体系建模和体系贡献度评估研究综述[J].计算机仿真，2018，35(1)：8-12.
[2] WELCH K M,LAWTON C R.Applying System of Systems and Systems Engineering to the Military Modernization Challenge[C]//The 6th International Conference on System of Systems Engineering,New Mexico,2011:245-250.
[3] 李际超.基于作战网络模型的装备体系贡献度研究[D].长沙:国防科学技术大学,2015.
[4] LI J,YANG K,FU C.An Operational Efficiency Evaluation Method for Weapon System-of-Systems Combat Networks Based on Operation Loop[C]//2014 9th International Conference on System of Systems Engineering.Adelaide,2014:219-223.
[5] 窦林涛，初阳，周玉芳，等.平行仿真技术在指挥控制系统中应用构想[J].指挥控制系统与仿真，2017，39(1):62-69.
[6] 李明浩，面向多维关系网络模型的装备协作方案评价方法研究[D].长沙:国防科学技术大学,2013.
[7] 杨镜宇，胡晓峰，张昱，等.基于体系仿真实验的联合作战能力评估技术[J].指挥信息系统与技术，2017，8(4)：1-9.
[8] 黄柯棣，赵鑫业，杨山良，等.军事分析仿真评估系统关键技术综述[J].系统仿真学报，2012,24(12):2439-2447.
[9] 罗小明，杨娟，何榕.基于任务-能力-结构-演化的武器装备体系贡献度评估与示例分析[J].装备学院学报，2016，27(3)：7-12.