基于LSSVM的南海島礁戰(zhàn)備物資消耗量預(yù)測(cè)

黃炳豪，王 豐，劉振華，伍 岳，鄧 群

(1.后勤工程學(xué)院 后勤信息與軍事物流工程系，重慶401311；2.軍委后勤保障部 后勤科學(xué)研究所，北京 100841)

● 軍事物流MilitaryLogistics

基于LSSVM的南海島礁戰(zhàn)備物資消耗量預(yù)測(cè)

黃炳豪1，王 豐1，劉振華2，伍 岳1，鄧 群1

(1.后勤工程學(xué)院 后勤信息與軍事物流工程系，重慶401311；2.軍委后勤保障部 后勤科學(xué)研究所，北京 100841)

為保障南海作戰(zhàn)部隊(duì)充分的物資供應(yīng)，后勤部門(mén)需要在戰(zhàn)前對(duì)參戰(zhàn)部隊(duì)的物資消耗情況作出科學(xué)預(yù)測(cè)。根據(jù)南海島礁戰(zhàn)備物資消耗的特點(diǎn)，確定戰(zhàn)備物資消耗量影響因素，采用最小二乘支持向量機(jī)(LSSVM)模型預(yù)測(cè)消耗量。以南海某艦艇編隊(duì)執(zhí)行作戰(zhàn)任務(wù)的油料消耗量預(yù)測(cè)為例，使用最小二乘支持向量機(jī)模型進(jìn)行算例分析。結(jié)果表明，最小二乘支持向量機(jī)相對(duì)于支持向量機(jī)、灰色模型、BP神經(jīng)網(wǎng)絡(luò)等預(yù)測(cè)方法而言誤差更小，適用于戰(zhàn)備物資消耗量預(yù)測(cè)。

南海島礁；戰(zhàn)備物資；消耗預(yù)測(cè)；最小二乘支持向量機(jī)

Abstract： To support materials supply for combat troops in South China Sea, logistics department need to predict materials consumption of the troops before war. According to the characteristics of war readiness materials consumption in South China Sea islands, the paper firstly determines influencing factors of war readiness materials consumption and predicts consumption with least squares support vector machine (LSSVM) model. Then, it takes oil consumption prediction of a fleet in South China Sea as the example, and analyzes it with LSSVM model. The result shows that the error of LSSVM is less than that of support vector machine, gray model, and BP neural network, and LSSVM is suitable for consumption prediction of war readiness materials.

Keywords: South China Sea islands; war readiness materials; consumption prediction; least squares support vector machine (LSSVM)

南海是主要的海上運(yùn)輸航線(xiàn)，又蘊(yùn)藏著漁業(yè)、礦產(chǎn)、石油、天然氣等豐富的自然資源，戰(zhàn)略地位十分重要，因此成為周邊國(guó)家爭(zhēng)相搶奪的目標(biāo)，國(guó)際糾紛與軍事沖突不斷。南海局部戰(zhàn)爭(zhēng)爆發(fā)的可能性逐漸加大，南海方向軍事斗爭(zhēng)準(zhǔn)備日益緊迫。南海作戰(zhàn)海域離我陸岸較遠(yuǎn)，西沙海域距我南部主要基地——榆林基地約180 n mile，南沙海域更遠(yuǎn)達(dá)550 n mile左右，在上述海域作戰(zhàn)，特別是在南沙海域作戰(zhàn)對(duì)各種戰(zhàn)備物資依賴(lài)性大，而目前在島礁上存儲(chǔ)的戰(zhàn)備物資遠(yuǎn)遠(yuǎn)不能滿(mǎn)足作戰(zhàn)需求。為保障前方作戰(zhàn)部隊(duì)充分的物資供應(yīng)，后勤部門(mén)需要在戰(zhàn)前對(duì)戰(zhàn)時(shí)參戰(zhàn)部隊(duì)的物資消耗情況作出科學(xué)預(yù)測(cè)。因此，充分調(diào)研南海作戰(zhàn)戰(zhàn)備物資需求，綜合考慮使命任務(wù)、戰(zhàn)斗戰(zhàn)法和作戰(zhàn)環(huán)境的特殊性等影響戰(zhàn)備物資消耗的因素，開(kāi)展南海島礁戰(zhàn)備物資消耗量預(yù)測(cè)，超前預(yù)置戰(zhàn)備物資，具有重要的緊迫性和現(xiàn)實(shí)意義。

通過(guò)查閱相關(guān)文獻(xiàn)資料，關(guān)于南海島礁戰(zhàn)備物資消耗量預(yù)測(cè)的研究主要是宏觀定性研究，沒(méi)有找到建模定量分析的文獻(xiàn)。目前主流的物資消耗量預(yù)測(cè)方法有基數(shù)計(jì)算法、時(shí)間序列法、指數(shù)平滑法、回歸分析、灰色模型、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、支持向量機(jī)等，這些方法對(duì)于特定的物資預(yù)測(cè)效果很好，但南海島礁戰(zhàn)備物資種類(lèi)繁多，消耗規(guī)律與作戰(zhàn)任務(wù)相關(guān)，可使用樣本數(shù)據(jù)有限，消耗量變化趨勢(shì)嚴(yán)重非線(xiàn)性，若使用上述的方法存在著預(yù)測(cè)對(duì)象單一、預(yù)測(cè)方法模型不適用等問(wèn)題[1-8]。針對(duì)這些問(wèn)題，本文采用基于最小二乘支持向量機(jī)(least squares support vector machine, LSSVM)的消耗預(yù)測(cè)模型，并根據(jù)算例檢驗(yàn)?zāi)Ｐ偷目尚行约皽?zhǔn)確性。

1 南海島礁戰(zhàn)備物資消耗量預(yù)測(cè)分析

1.1預(yù)測(cè)結(jié)構(gòu)

南海島礁上預(yù)置的戰(zhàn)備物資主要是保障南海海域作戰(zhàn)初期所需的裝備維修器材和后勤裝備物資。戰(zhàn)備物資品種眾多、數(shù)量龐大(共有82大類(lèi)，數(shù)十萬(wàn)種物資)，如果按照物資品種分別建立模型則計(jì)算過(guò)程繁瑣復(fù)雜，不切實(shí)際?？紤]到戰(zhàn)備物資消耗具有內(nèi)在的規(guī)律性，適合建立統(tǒng)一的規(guī)范性計(jì)算模型。

從物資消耗規(guī)律看，戰(zhàn)備物資分為使用即減少的一次性消耗物資和可多次重復(fù)使用的物資。一次性消耗物資，如給養(yǎng)中的主副食、艦艇備品、潛艇遠(yuǎn)航食品，油料中的車(chē)用油料、艦艇油料、航空油料，藥材中的止血繃帶、創(chuàng)傷敷料、止痛藥等。該類(lèi)物資具有一次性消耗的特點(diǎn)，一般該類(lèi)物資使用即減少，不考慮重復(fù)使用?？芍貜?fù)使用的物資，包括被裝中的作戰(zhàn)靴、野戰(zhàn)睡具、海空軍特種服裝，野營(yíng)物資中的行軍床、帳篷，油料裝備中的艦艇油料化驗(yàn)箱、軟體儲(chǔ)油罐，衛(wèi)生裝備器材中的手術(shù)床、器械臺(tái)、消毒器，島礁應(yīng)急綜合保障器材中的供水維修檢測(cè)設(shè)備、供電照明設(shè)備、氣體保障設(shè)備、消防救生設(shè)備等。若不考慮每次作戰(zhàn)的重復(fù)使用，不僅會(huì)造成大量物資的浪費(fèi)，同時(shí)也加大了后勤部隊(duì)的保障任務(wù)和難度。因此，引入物資使用補(bǔ)償系數(shù)β，根據(jù)物資類(lèi)別，對(duì)可重復(fù)使用的物資在每次作戰(zhàn)后進(jìn)行一定的損耗補(bǔ)償，以恢復(fù)原有保障水平。

戰(zhàn)備物資的消耗量預(yù)測(cè)主要根據(jù)作戰(zhàn)計(jì)劃對(duì)各作戰(zhàn)單位的物資消耗量按物資類(lèi)別依次分類(lèi)計(jì)算，最后在此基礎(chǔ)上進(jìn)行匯總處理。結(jié)合文獻(xiàn)[9]，建立其基本計(jì)算式：

1.2南海島礁戰(zhàn)備物資消耗量影響因素

結(jié)合海上作戰(zhàn)的特殊性，考慮對(duì)預(yù)測(cè)結(jié)果影響較大的作戰(zhàn)指標(biāo)，通過(guò)查閱資料[11]，確定以下Q′的影響因素，從而確定最小二乘支持向量機(jī)的輸入?yún)?shù)。

(1)作戰(zhàn)力量編成：指南海海域作戰(zhàn)投入的各軍兵種部隊(duì)的組成，參戰(zhàn)兵力、武器裝備的數(shù)量。

(2)作戰(zhàn)樣式：通過(guò)查閱相關(guān)資料，南海海域可能的作戰(zhàn)樣式有進(jìn)攻敵海上艦艇編隊(duì)作戰(zhàn)、海上封鎖作戰(zhàn)、反潛作戰(zhàn)、登陸作戰(zhàn)、抗登陸作戰(zhàn)、珊瑚島礁進(jìn)攻作戰(zhàn)、海軍駐泊地域防御作戰(zhàn)等。

(3)作戰(zhàn)環(huán)境：指南海海域作戰(zhàn)時(shí)的自然環(huán)境和戰(zhàn)場(chǎng)環(huán)境。自然環(huán)境包括水文、天候、海況等；戰(zhàn)場(chǎng)環(huán)境主要影響到作戰(zhàn)的對(duì)抗激烈程度，戰(zhàn)場(chǎng)環(huán)境越復(fù)雜，對(duì)抗越激烈，物資消耗量則越大。

(4)作戰(zhàn)持續(xù)時(shí)間：各參戰(zhàn)部隊(duì)參加一次戰(zhàn)斗的持續(xù)時(shí)間。

2 基于LLSVM的南海島礁戰(zhàn)備物資消耗量預(yù)測(cè)模型

2.1最小二乘支持向量機(jī)

最小二乘支持向量機(jī)(LSSVM)算法的基本原理是通過(guò)一定的非線(xiàn)性映射將輸入數(shù)據(jù)映射到高維特征空間，然后在高維空間中構(gòu)造最優(yōu)線(xiàn)性回歸函數(shù)[12]，它是一種遵循結(jié)構(gòu)風(fēng)險(xiǎn)最小化(structure risk minimization，SRM)原則的核函數(shù)學(xué)習(xí)機(jī)器。最小二乘支持向量機(jī)算法的目標(biāo)函數(shù)為

s.t.yi=WTφ(xi)+γ+ξii=1，…,Ν

式中：W為權(quán)值向量；γ為偏置項(xiàng)；ξi為誤差向量；xi為第i個(gè)樣本的輸入；yi為第i個(gè)樣本的輸出；φ(xi)為非線(xiàn)性映射函數(shù)；C為正則化因子，C>0。

為求解上述優(yōu)化問(wèn)題，引入Lagrange乘子αi，αi∈RN×1：

L(W，γ，ξi,αi)=J(W，ξi,α)=J(W，ξi)-

根據(jù)KKT條件可得到

消元去掉ξi和W,可以得到下面的線(xiàn)性方程組

最后寫(xiě)成矩陣的形式

非線(xiàn)性函數(shù)的回歸ZZT內(nèi)積運(yùn)算可用滿(mǎn)足Mercer條件的核函數(shù)K(xi,xj)替代，令Ω=ZZT，則

Ωij=φ(xi)Tφ(xj)=K(xi,xj)

則最小二乘支持向量機(jī)回歸估計(jì)函數(shù)為

(1)

2.2基于最小二乘支持向量機(jī)預(yù)測(cè)模型的建立

(1) 提取樣本數(shù)據(jù)集作為輸入變量。

(2) 數(shù)據(jù)預(yù)處理。即對(duì)輸入變量進(jìn)行歸一化處理，歸一化公式為

式中：Ρi為歸一化后的數(shù)據(jù)；xi為樣本數(shù)據(jù)；xmin為樣本數(shù)據(jù)的最小值；xmax為樣本數(shù)據(jù)的最大值。

(3) 核函數(shù)選取。最小二乘支持向量機(jī)的核函數(shù)主要有線(xiàn)性函數(shù)、Sigmoid函數(shù)、徑向基函數(shù)(RBF)[13]，其中徑向基函數(shù)具有良好的泛化能力，能很好地解決數(shù)據(jù)有限、變化規(guī)律非線(xiàn)性的問(wèn)題，所以本文選擇RBF函數(shù)為核函數(shù)：

式中σ為核寬度。

(4) 核函數(shù)參數(shù)尋優(yōu)。核函數(shù)參數(shù)主要是指懲罰因子r和核寬度σ兩個(gè)參數(shù)[14]。核函數(shù)參數(shù)的尋優(yōu)過(guò)程選用自調(diào)節(jié)網(wǎng)格搜索法。

(5) 使用優(yōu)化后的懲罰因子r和寬度參數(shù)σ,求解出最小二乘支持向量機(jī)的參數(shù)αi、γ，然后代入式(1)中，建立最小二乘支持向量機(jī)預(yù)測(cè)模型, 運(yùn)用仿真軟件計(jì)算得到預(yù)測(cè)結(jié)果。

(6) 預(yù)測(cè)結(jié)果分析。將最小二乘支持向量機(jī)預(yù)測(cè)結(jié)果與支持向量機(jī)、灰色模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的結(jié)果采用評(píng)價(jià)指標(biāo)進(jìn)行分析，確定這4種預(yù)測(cè)方法的優(yōu)劣，評(píng)價(jià)指標(biāo)公式為

以上模型的建立可以通過(guò)Matlab仿真軟件編程實(shí)現(xiàn)。

3 算例分析

本文以南海某艦艇編隊(duì)執(zhí)行作戰(zhàn)任務(wù)為例，采用最小二乘支持向量機(jī)預(yù)測(cè)艦用油料消耗數(shù)量，并檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)精度。根據(jù)上文及艦用油料的特點(diǎn)，確定影響其消耗的因素有艦艇數(shù)量、編隊(duì)艦艇總噸位、海況等級(jí)、作戰(zhàn)樣式、任務(wù)持續(xù)時(shí)間等5個(gè)因素，對(duì)于作戰(zhàn)樣式因素進(jìn)行量化(見(jiàn)表1)。

表1 作戰(zhàn)樣式量化取值

經(jīng)脫密處理后的該艦艇編隊(duì)油料消耗歷史數(shù)據(jù)見(jiàn)表2。

表2 某艦艇編隊(duì)執(zhí)行作戰(zhàn)任務(wù)油料消耗量

表2中前8組數(shù)據(jù)作為訓(xùn)練樣本，后4組數(shù)據(jù)作為測(cè)試樣本分析預(yù)測(cè)方法的可行性及精度。利用Matlab仿真軟件的LS-SVM lab工具箱自編程序，將前8組油料消耗數(shù)據(jù)經(jīng)過(guò)歸一化處理后,使用自調(diào)節(jié)網(wǎng)格搜索法確定核函數(shù)參數(shù)，進(jìn)行LSSVM模型訓(xùn)練[15],得到最小二乘支持向量機(jī)的各訓(xùn)練參數(shù)值見(jiàn)表3。

表3 預(yù)測(cè)模型訓(xùn)練參數(shù)值

為驗(yàn)證最小二乘支持向量機(jī)的性能，本文還使用支持向量機(jī)、灰色模型、BP神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)，這4種方法得到的預(yù)測(cè)擬合值如圖1所示。

圖1 各模型預(yù)測(cè)結(jié)果與測(cè)試樣本對(duì)比

由圖1可知，最小二乘支持向量機(jī)預(yù)測(cè)結(jié)果最接近實(shí)際值。4種預(yù)測(cè)模型的預(yù)測(cè)結(jié)果平均絕對(duì)誤差MAPE分別為：LSSVM 3.27%；支持向量機(jī)5.79%；灰色模型9.30%；BP神經(jīng)網(wǎng)絡(luò)9.29%。從預(yù)測(cè)結(jié)果看，LSSVM的預(yù)測(cè)結(jié)果誤差率最小，與實(shí)際值最接近，這表明本文建立的基于最小二乘支持向量機(jī)模型的預(yù)測(cè)結(jié)果能準(zhǔn)確地預(yù)測(cè)南海島礁戰(zhàn)備物資消耗量，預(yù)測(cè)的準(zhǔn)確性較其他方法更高，是一種有效的預(yù)測(cè)方法。

4 結(jié) 語(yǔ)

本文根據(jù)南海海域作戰(zhàn)特點(diǎn)、戰(zhàn)備物資消耗的影響因素，分析了戰(zhàn)備物資消耗量測(cè)算的結(jié)構(gòu)。

按物資消耗規(guī)律將戰(zhàn)備物資分為可重復(fù)使用的物資和一次性消耗物資，引入物資使用補(bǔ)償系數(shù)。對(duì)于某作戰(zhàn)單位某類(lèi)戰(zhàn)備物資消耗量，采用最小二乘支持向量機(jī)建模預(yù)測(cè)。基于最小二乘支持向量機(jī)的預(yù)測(cè)結(jié)果表明，本文采用的方法很好地解決了南海島礁戰(zhàn)備物資消耗量預(yù)測(cè)時(shí)樣本有限和變化規(guī)律非線(xiàn)性的問(wèn)題。相比其他預(yù)測(cè)方法，最小二乘支持向量機(jī)預(yù)測(cè)的準(zhǔn)確性更高、穩(wěn)定性更好，為戰(zhàn)備物資消耗量預(yù)測(cè)提供了新的思路和方法。

[1] 盧慶齡，白盟亮，彭艷麗，等. 基于灰色神經(jīng)網(wǎng)絡(luò)的裝甲器材需求量預(yù)測(cè)[J].裝甲兵工程學(xué)院學(xué)報(bào)，2011,25(6)：19-22.

[2] 李博敏.基于灰色馬爾科夫模型的武警部隊(duì)后勤戰(zhàn)備物資需求預(yù)測(cè)[J]. 武警工程大學(xué)學(xué)報(bào), 2013(2):51-55.

[3] 曹麗.戰(zhàn)略物資儲(chǔ)備規(guī)模優(yōu)化問(wèn)題分析[J].北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2006,8(4):18-20.

[4] 吳潔明，李余琪，萬(wàn)勵(lì).物流需求預(yù)測(cè)算法的仿真研究[J].計(jì)算機(jī)仿真，2011,28(9)：246-249.

[5] 黃必佳，王公寶. 艦艇編隊(duì)海上戰(zhàn)時(shí)油料消耗預(yù)測(cè)方法研究[J].軍事運(yùn)籌與系統(tǒng)工程，2015,29(4)：40-45.

[6] 王宏焰，高崎，王家鵬. 裝備維修器材消耗預(yù)測(cè)綜述[J].四川兵工學(xué)報(bào)，2008,29(5)：92-96.

[7] 倪聰，周慶忠，劉磊，等. 基于GM-SVM的邊境封控油料保障需求預(yù)測(cè)[J].軍事交通學(xué)院學(xué)報(bào)，2016,18(3)：90-94.

[8] 趙勁松，令狐昌應(yīng)，賀宇.戰(zhàn)時(shí)車(chē)輛裝備維修任務(wù)量測(cè)算模型[J].軍事交通學(xué)院學(xué)報(bào)，2016,18(6)：27-31.

[9] 李德彩.戰(zhàn)略后勤指揮決策模型化研究[M].北京：國(guó)防大學(xué)出版社，2002：88-102.

[10] 余鵬，何學(xué)軍,羅偉.艦艇編隊(duì)海上運(yùn)輸補(bǔ)給物資需求預(yù)測(cè)方法[J].海軍工程大學(xué)學(xué)報(bào),2015,27(1):59-64.

[11] 陳學(xué)軍，王豐，張連武，等.戰(zhàn)儲(chǔ)管理學(xué)[M].北京：中國(guó)財(cái)富出版社，2013：245-246.

[12] 王愷，關(guān)少卿，汪令祥，等.基于模糊信息?；妥钚《酥С窒蛄繖C(jī)的風(fēng)電功率聯(lián)合預(yù)測(cè)模型[J].電力系統(tǒng)保護(hù)與控制,2015,43(2):26-32.

[13] 曾鳴，呂春泉，田廓,等.基于細(xì)菌群落趨藥性?xún)?yōu)化的最小二乘支持向量機(jī)短期負(fù)荷預(yù)測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào), 2011,31(34):93-99.

[14] 唐杰明，劉俊勇，楊可，等.基于灰色模型和最小二乘支持向量機(jī)的電力短期負(fù)荷組合預(yù)測(cè)[J].電網(wǎng)技術(shù)，2009,33(3):63-68.

[15] 李方方，趙英凱，顏昕.基于 Matlab的最小二乘支持向量機(jī)的工具箱及其應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2006,26(12)：358-360.

(編輯：史海英)

ConsumptionPredictionofWarReadinessMaterialsinSouthChinaSeaIslandsBasedonLSSVM

HUANG Binghao1, WANG Feng1, LIU Zhenhua2, WU Yue1, DENG Qun1
(1.Department of Logistics Information & Military Logistics Engineering, Logistical Engineering University, Chongqing 401311, China; 2.Institute of Logistics Science, Logistics Support Department of CMC, Beijing 100841, China)

10．16807/j.cnki.12-1372/e.2017.09.013

E233

A

1674-2192(2017)09- 0054- 04

2017-03-28；

2017-04-13．

黃炳豪(1993—)，男，碩士研究生；王 豐(1964—)，男，碩士，教授，碩士研究生導(dǎo)師．