我軍戰(zhàn)斗減員預計模型研究現(xiàn)狀及思考

楊奇，賀禎，魯兆楠，房彤宇

［作者單位］ 100850 北京，軍事科學院軍事醫(yī)學研究院一所（楊奇、賀禎、魯兆楠）；軍事科學院軍事醫(yī)學研究院（房彤宇）

現(xiàn)代戰(zhàn)爭以信息化為主要特征，大量使用高科技武器裝備，在作戰(zhàn)樣式、作戰(zhàn)持續(xù)時間、作戰(zhàn)空間和作戰(zhàn)手段等方面均發(fā)生較大變化。高新技術(shù)帶來的軍事變革使得戰(zhàn)斗減員也隨之呈現(xiàn)出許多新的特點，以往的戰(zhàn)斗減員預計模型不再適用于新的戰(zhàn)法模式，這對于我軍戰(zhàn)斗減員預計提出了更大的挑戰(zhàn)?，F(xiàn)代戰(zhàn)爭，我軍需充分結(jié)合其規(guī)律特點，利用大數(shù)據(jù)、人工智能等前沿技術(shù)，多方采集整合戰(zhàn)斗減員數(shù)據(jù)，創(chuàng)新戰(zhàn)斗減員預計方法路徑，為衛(wèi)勤保障乃至作戰(zhàn)指揮提供有力輔助支撐。

1 主要模型

1.1 神經(jīng)網(wǎng)絡預測模型 徐雷［1］建立的神經(jīng)網(wǎng)絡預測模型選取了包括作戰(zhàn)天數(shù)、指揮控制因子等18 項對戰(zhàn)斗減員率影響較大的指標，建立了神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)，20 例樣本最大預測誤差在5.7%［2］；談彬等［3］建立的神經(jīng)網(wǎng)絡預測模型選取了武器裝備、戰(zhàn)爭態(tài)勢等8 個因素，將每個因素劃分為不同層級，預測誤差在1%。該類模型的特點是具備較強的自主學習能力，能夠通過模擬人腦處理不同類別數(shù)據(jù)間的關(guān)系，遇有武器裝備、作戰(zhàn)環(huán)境、社會因素等指標發(fā)生變化時，可以實時調(diào)整生成符合要求的新模型，預測誤差較小。

1.2 集團軍山地進攻作戰(zhàn)減員預計模型 該模型采用直接、間接量化方法確定減員各影響因素對戰(zhàn)斗減員影響程度的量化值，對計算機模擬生成的數(shù)據(jù)進行修正，建立相應的調(diào)整算法［4］。其特點是對影響戰(zhàn)斗減員的因素考慮得更加充分，采用直接、間接量化方法等分別對武器裝備、地形氣候、社會行為因素進行量化，尤其是能夠聚焦陸軍現(xiàn)有主要武器裝備進行量化分析，并將諸多分類型變量（包括國防教育程度、對現(xiàn)代戰(zhàn)爭的認同程度等）考慮在內(nèi)，模型構(gòu)建得更加科學合理。

1.3 集團軍山地進攻戰(zhàn)斗減員的時間序列模型該模型收集了我軍某次作戰(zhàn)的經(jīng)驗數(shù)據(jù)，采用柯爾莫哥洛夫-斯米爾諾夫方法進行統(tǒng)計分布的擬合優(yōu)度檢驗，運用博克斯-詹金斯方法建立時間序列模型，得出集團軍戰(zhàn)斗減員率的統(tǒng)計分布與戰(zhàn)斗激烈程度有關(guān)的結(jié)論［5］。其特點是在方法選取上充分考慮了時間序列研究的特點，與模型建立的戰(zhàn)斗減員數(shù)據(jù)較為契合，而且模型可以根據(jù)相關(guān)參數(shù)的改變進行自主變換，對于減員的時空分布預計更加準確。

1.4 城市進攻戰(zhàn)斗減員模擬預計模型 該模型以城市進攻作戰(zhàn)減員預計為例，以定量判斷模型為基礎，設定參戰(zhàn)人數(shù)、地形、氣候等因素，應用蒙特卡羅方法建立模型進行模擬，對減員模擬結(jié)果進行風險分析。其特點是通過仿真方法能夠得到反復使用的數(shù)據(jù)，能夠采用Vlookup 函數(shù)得出兵力規(guī)模和抵抗因素等難以給出確定值因素的量化值，進而得出正態(tài)分布變量，并以此模擬標準傷亡率［6］。通過反映減員區(qū)間分布的圖形，能夠為城市進攻下一步作戰(zhàn)計劃以及衛(wèi)勤保障計劃提供科學的參考依據(jù)。

1.5 水面艦艇編隊遭導彈多波次攻擊時減員預計模型 該模型在充分考慮艦艇編隊進攻和防御2 個方面涉及的各種影響因素基礎上，采取作戰(zhàn)模擬的方法實現(xiàn)以艦艇編隊損傷評估結(jié)果計算艦艇編隊戰(zhàn)傷減員數(shù)［7］。其特點是采用仿真模擬方法，模擬導彈多波次打擊過程，通過打擊效能得出不同種類艦艇毀傷程度，進而得出減員情況。通過研究艦艇整體代替研究人員個體，有效規(guī)避了海戰(zhàn)減員因素對個體影響較大的問題，提升了海戰(zhàn)減員預計的準確性。

1.6 基于系統(tǒng)動力學的戰(zhàn)斗減員預計模型 該模型使用系統(tǒng)動力學方法，利用AnyLogic 7.3.6 Uni?versity 模擬仿真軟件構(gòu)建紅藍交戰(zhàn)、毀傷系統(tǒng)計算、直瞄武器交戰(zhàn)規(guī)則設定、作戰(zhàn)影響因素量化等6 個子系統(tǒng)，通過專家咨詢法、蘭徹斯特方程等對模擬仿真數(shù)據(jù)進行戰(zhàn)斗減員預計［8］。其特點是能夠結(jié)合具體想定任務，充分考量紅藍雙方武器殺傷力、裝備防護水平等因素，采用計算機模擬技術(shù)，以整體毀傷程度測算減員情況，不僅能預測陸上現(xiàn)代戰(zhàn)爭總體戰(zhàn)斗減員情況，而且可預測包含不同的傷勢、傷部、傷因、傷型的戰(zhàn)斗減員情況，對指揮員掌握戰(zhàn)斗減員時空分布和進行衛(wèi)勤保障資源優(yōu)化配置起到重要的輔助支撐作用。

2 問題分析

2.1 缺乏對戰(zhàn)斗減員影響因素的深入探析 現(xiàn)代戰(zhàn)爭的武器裝備相比傳統(tǒng)作戰(zhàn)存在極大不同，如航空母艦、核潛艇、無人機等新型現(xiàn)代化武器裝備將會取代輕武器等，成為現(xiàn)代戰(zhàn)爭的主要武器裝備?，F(xiàn)代戰(zhàn)爭的作戰(zhàn)環(huán)境不僅包含地形、地貌、氣象等自然環(huán)境，還涵蓋戰(zhàn)略環(huán)境、社會環(huán)境、信息環(huán)境等，而我軍以往研究考量的大都是傳統(tǒng)作戰(zhàn)樣式下的作戰(zhàn)環(huán)境，無法滿足現(xiàn)代戰(zhàn)爭需要。我軍以往的戰(zhàn)斗減員預計中，社會因素中各種定性指標的權(quán)重大多通過專家咨詢法確立，存在因?qū)＜业恼J知偏差導致戰(zhàn)斗減員影響指標的權(quán)重出現(xiàn)偏差的情況，從而影響預計結(jié)果。

2.2 缺乏對戰(zhàn)斗減員相關(guān)數(shù)據(jù)的挖掘整理 目前我軍收集到的國內(nèi)外作戰(zhàn)的相關(guān)衛(wèi)生統(tǒng)計資料，部分數(shù)據(jù)的精細程度不高且存在不同程度的缺項，達不到統(tǒng)計分析的要求，相較于美軍用于戰(zhàn)斗減員預計研究的歷史數(shù)據(jù)，我軍在數(shù)量和質(zhì)量上均存在差距。當前美軍建立了包含不同傷情、傷類、傷部等信息的戰(zhàn)傷數(shù)據(jù)庫，能夠?qū)崟r對相關(guān)數(shù)據(jù)進行提取分析，而我軍尚未形成一體化、系統(tǒng)化的戰(zhàn)傷數(shù)據(jù)庫。我軍戰(zhàn)斗減員預計研究運用的一部分數(shù)據(jù)為年代較為久遠的歷史數(shù)據(jù)，通過該數(shù)據(jù)建立的模型對現(xiàn)代戰(zhàn)爭戰(zhàn)斗減員預計的指導意義不是很大；另一部分數(shù)據(jù)通過以前的模擬仿真模型得出，容易給戰(zhàn)斗減員預計模型構(gòu)建帶來偏差。

2.3 缺乏對前沿算法模型運用的創(chuàng)新探索 近年來，我軍對于戰(zhàn)斗減員預計相關(guān)算法研究、模型構(gòu)建未能進一步提升拓展，尤其是未能充分結(jié)合大數(shù)據(jù)、人工智能的關(guān)鍵技術(shù)來研究探索現(xiàn)代戰(zhàn)爭戰(zhàn)斗減員預計的新方法新路徑。我軍部分戰(zhàn)斗減員預計模型主要參考美軍Dupuy、FORCAST、SHIPCAS等經(jīng)典減員預計模型，未能結(jié)合實際進一步探索新的模型，在戰(zhàn)斗減員預計結(jié)果方面存在一定偏差?，F(xiàn)代戰(zhàn)爭，作戰(zhàn)樣式多種多樣，作戰(zhàn)規(guī)?？纱罂尚?，如：大規(guī)模渡海登島作戰(zhàn)、城市滲透作戰(zhàn)等不同作戰(zhàn)樣式，其戰(zhàn)斗減員的影響因素存在交叉但又表現(xiàn)出各自特點，而我軍既有的戰(zhàn)斗減員預計模型未對作戰(zhàn)樣式分門別類，且尚未采取前沿的算法模型進行研究分析，使得預計模型尚不能滿足現(xiàn)代戰(zhàn)爭的需求。

3 對策建議

3.1 全面分析戰(zhàn)斗減員影響因素 著眼現(xiàn)代戰(zhàn)爭的規(guī)律特點，從作戰(zhàn)兵力、武器裝備、作戰(zhàn)環(huán)境等組成要素著手，對比既往研究中上述要素的異同，總結(jié)歸納現(xiàn)代戰(zhàn)爭戰(zhàn)斗減員的規(guī)律特點，分析其戰(zhàn)斗減員影響因素，并細化完善為軍事因素、環(huán)境因素、社會因素等各類一級指標。借鑒國內(nèi)外對戰(zhàn)斗減員影響因素的相關(guān)研究，突出主要指標、摒棄次要指標，深入挖掘影響戰(zhàn)斗減員的二、三級核心指標，如：針對武器裝備構(gòu)成，選取現(xiàn)代戰(zhàn)爭的各類武器裝備，通過大數(shù)據(jù)統(tǒng)計分析方法對其數(shù)量、殺傷力、殺傷半徑等參數(shù)進行量化，選定主要武器裝備作為權(quán)重分析的對象。運用卡方分析、方差分析、t檢驗等統(tǒng)計分析方法，對各類戰(zhàn)斗減員影響因素下的指標尤其是定性指標進行分析，得出科學合理的指標權(quán)重。注重區(qū)分不同作戰(zhàn)樣式，著眼不同戰(zhàn)略方向，包括渡海登島作戰(zhàn)、高原作戰(zhàn)、城市進攻作戰(zhàn)等不同作戰(zhàn)樣式，著重分析指揮員能力、官兵士氣、民眾支持程度等二、三級定性指標的權(quán)重，形成不同作戰(zhàn)樣式下影響戰(zhàn)斗減員的核心指標體系，以符合現(xiàn)代戰(zhàn)爭戰(zhàn)斗減員預計的現(xiàn)實需要，為后續(xù)算法研究和模型構(gòu)建打下堅實的基礎。

3.2 深度挖掘戰(zhàn)斗減員相關(guān)數(shù)據(jù) 針對我軍戰(zhàn)斗減員數(shù)據(jù)年代久遠、遺漏缺失、信息不清的現(xiàn)實情況，采取人工錄入與計算機掃描相結(jié)合的方式，建立戰(zhàn)傷數(shù)據(jù)庫，形成不同戰(zhàn)爭、戰(zhàn)役、傷情、傷類、傷部的結(jié)構(gòu)化數(shù)據(jù)，為算法研究以及模型構(gòu)建提供真實有效的數(shù)據(jù)。運用數(shù)理統(tǒng)計技術(shù)和數(shù)據(jù)挖掘技術(shù)，采用分箱法、回歸法、聚類法等對所獲取的戰(zhàn)斗減員數(shù)據(jù)進行處理，檢查數(shù)據(jù)一致性，處理無效值和缺失值，最大限度地保證數(shù)據(jù)的完整性和實用性，以滿足統(tǒng)計分析和算法模型研究的要求。區(qū)分圖片、視頻、音頻等不同數(shù)據(jù)格式，梳理完成包括軍事、衛(wèi)勤、作戰(zhàn)、傷亡等與戰(zhàn)斗減員相關(guān)術(shù)語，運用系統(tǒng)日志、網(wǎng)絡爬蟲等大數(shù)據(jù)采集方法及詞法分析、語義分析等自然語言處理技術(shù)，對國內(nèi)外、軍內(nèi)外包含戰(zhàn)斗減員相關(guān)信息的網(wǎng)站及系統(tǒng)進行數(shù)據(jù)采集，不斷充實戰(zhàn)斗減員數(shù)據(jù)庫。依托基于系統(tǒng)動力學的預計模型等先進的模擬預測模型，對各軍兵種聯(lián)演聯(lián)訓的想定任務進行模擬仿真，通過模擬預測的方式得到更貼近現(xiàn)代戰(zhàn)爭實際的戰(zhàn)斗減員數(shù)據(jù)。

3.3 大力創(chuàng)新模型構(gòu)建方法路徑 聚焦前沿技術(shù)，結(jié)合當前大數(shù)據(jù)和人工智能領(lǐng)域的統(tǒng)計分析方法，通過對比支持向量機、決策樹、樸素貝葉斯、深度神經(jīng)網(wǎng)絡等算法的優(yōu)點及劣勢，從數(shù)據(jù)處理維度、方法步驟實現(xiàn)難易程度、數(shù)據(jù)統(tǒng)計分析能力、與分析數(shù)據(jù)的契合程度等方面綜合考量上述算法的科學性及可行性，遴選適用于現(xiàn)代戰(zhàn)爭的戰(zhàn)斗減員預計最優(yōu)算法。以采集整合的戰(zhàn)斗減員數(shù)據(jù)為支撐，按照公式推導、算法實現(xiàn)、算法改進、評估結(jié)果的流程，對選定的大數(shù)據(jù)、人工智能相關(guān)算法進行深入研究，分析解決算法推進過程中的難點問題，總結(jié)實現(xiàn)算法的最優(yōu)路徑。充分運用計算機模擬仿真技術(shù)，發(fā)揮其可重復和不受氣候、場地、時間限制的優(yōu)勢，結(jié)合現(xiàn)代戰(zhàn)爭不同作戰(zhàn)樣式和作戰(zhàn)雙方動用兵力、武器裝備等，模擬真實戰(zhàn)場以及各類武器裝備的打擊效能。依托Python、SPSS、R 語言等計算機軟件工具，建立戰(zhàn)斗減員預計模型，并運用回歸診斷、交叉驗證、逐步回歸優(yōu)化法、主成分分析法等方法對模型進行檢驗優(yōu)化，形成符合現(xiàn)代戰(zhàn)爭規(guī)律的戰(zhàn)斗減員預測模型，為后續(xù)相關(guān)研究提供參考和依據(jù)。