基于交替循环神经网络的水下防御态势预测方法

摘要：

时间序列在军事战术对抗等领域应用广泛,通过战场观测到的时间序列态势信息预测对抗目标的趋势是制定决策方案的重要前提.以潜艇防御声自导鱼雷攻击为背景,针对环境不明、目标不明、解算要素不明等导致水下态势获取困难的问题,提出一种基于循环神经网络的交替不完全时间序列预测方法.融合单变量自回归横向趋势与外部趋势,对观测变量进行趋势预测.针对多变量间存在非线性复杂关系的特点,将纵向多变量间关系特征提取与横向趋势预测相结合,采用插补数据集训练与趋势输出预测的方式实现纵向预测.最后,使用加权分配器对横向趋势预测和纵向预测结果进行融合,提高模型对不完全时序态势的学习能力,实现对未来态势的预测.实验结果表明,在不完全信息条件下,所提方法在缺失30%和60%数据、3种不同预测时间窗口长度条件下,在仿真数据集和电力公测数据集上的平均均方误差、平均绝对误差均达到了最优或次优结果,能够实现态势评估,为充分利用并融合多特征态势数据进行决策提供科学有效的参考.

关键词：交替循环神经网络、缺失数据、水下防御、注意力机制、自回归

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国防科技基础加强计划

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：69-78