徐公国，段修生

(解放军军械工程学院，河北 石家庄 050003)

基于改进Elman神经网络的目标威胁度预测评估

徐公国，段修生

(解放军军械工程学院，河北 石家庄 050003)

针对地面防空作战中目标威胁度难以准确评估的问题，提出了基于改进Elman神经网络的目标威胁度动态预测评估方法。该方法利用量子粒子群智能优化(QPSO)算法对Elman神经网络进行了改进，提出了QPSO-Elman神经网络，并基于优化的QPSO-Elman神经网络构建了目标威胁度的动态预测评估模型。仿真分析表明，该方法有效解决了目标威胁度的动态评估问题，预测结果更加准确且实用性强，增强了防空系统的作战能力。

目标威胁度；Elman神经网络；量子粒子群优化算法；防空作战

0 引言

在地面防空武器系统中，特别是防空C3I系统中，目标威胁度评估是武器-目标配对问题中的关键技术。只有对来袭目标的威胁度进行准确评估，才能为多目标准确配置防空武器，进而实现对重点目标进行精确打击。目标威胁度评估是涉及多层次的、动态的不确定性知识推理问题，目前主要有模糊推理[1]、层次分析[2]、多属性决策[3]、专家系统[4]、贝叶斯推理[5]和神经网络[6]等求解方法。模糊推理方法适用于数据模糊情况，有很强的泛化能力,但结果不够精确；层次分析和多属性决策方法简单，但会耗费大量计算时间；专家系统和贝叶斯推理虽为智能算法，但时需要事先设置固定的模型推理结构，系统的动态适应能力不强。

神经网络是近年来一种新型智能求解算法，能够动态自适应建模且具有很强的学习能力，成为新的研究热点，在模式识别、控制和预测等领域得到了广泛应用，并取得良好的效果。……