田珂，冷雪冰

(中国人民解放军63861部队，吉林 白城 137001)

靶场试验中，通常采用某型连续波雷达测试弹丸的着靶速度，采用初速测量雷达测试弹丸的初速。但是在试验中如果连续波雷达出现故障或因外界因素导致无法准确获取弹丸信号时，就会缺失相关弹丸的所有数据，无法准确测试出弹丸的着靶速度，而着靶速度是影响立靶密集度计算的一个因素[1]。针对这种情况，采用合适的方法利用历史数据预测出缺失弹丸的着靶速度就显得尤为重要，但是到目前为止，预测弹丸着靶速度的相关文章和方法还很少。着靶速度属于小样本数据，可以采用GM(1,1)灰色模型进行预测，但GM(1,1)预测模型要求数据具备建模前提，且只能预测出着靶速度中的线性成分，只能进行短期预测，长期预测能力较差[2]，预测精度不高。针对着靶速度随机性成分较强的特征，考虑采用支持向量回归机和BP神经网络建立非线性映射模型进行预测，这两个模型都具有很强的非线性映射能力[3-4]。利用GM(1,1)灰色模型、支持向量回归机模型和BP神经网络模型分别建模预测并与实测数据进行对比，发现把连续波雷达与初速雷达的数据进行融合建立BP神经网络模型预测出的着靶速度精度最高。

1 GM(1,1)灰色模型建模步骤

灰色模型理论是把部分信息已知、部分信息未知的系统作为研究对象，通过对已知信息的样本数据进行开发、挖掘，提取、总结出其中潜在的规律，并利用该规律预测未来的信息[5]。……