一种智能化保障态势感知方法、装置、设备、介质及产品与流程
本技术涉及指挥决策，特别是涉及一种智能化保障态势感知方法、装置、设备、介质及产品。
背景技术：
1、智能化保障态势感知是指在特定的保障环境下，围绕保障活动的态势变化，利用智能化的技术，对保障要素数据信息采集、获取，并通过对保障数据的融合处理，认知理解当前保障状态，以及对未来保障状态发展趋势进行预测。因此保障态势感知可以作为保障方案筹划与保障任务规划的前提和依据。
2、保障态势数据涉及食品、饮水、服装、油料、帐篷、英剧等物资数据，人员伤亡、装备损伤、物资消耗、保障人员、保障装备等，涉及的专业多，数据量大，态势呈现难，传统的保障态势主要是通过人工录入和数据整理，缺乏智能化的数据采集手段的支撑，一是造成数据准备时间长，无法满足各类行动快速发起的需要，二是依靠人工录入不可避免造成各类数据的错误，三是无法全面认知态势发展发现，对决策支持有限，以上问题的存在，无法支持决策机构快速全面掌握态势，并做出正确决策，进而快速准确保障。
技术实现思路
1、本技术的目的是提供一种智能化保障态势感知方法、装置、设备、介质及产品，将云计算、大数据智能技术与态势感知过程相结合，可提升态势感知的效率和指挥决策的准确性。
2、为实现上述目的，本技术提供了如下方案：
3、第一方面，本技术提供了一种智能化保障态势感知方法，包括：
4、获取保障对象的保障态势数据；
5、将所述保障态势数据进行分布式存储，并对存储的保障态势数据进行数据处理，得到处理后的保障态势数据；
6、根据所述处理后的保障态势数据，采用大数据技术，确定所述保障对象的保障需求；
7、基于所述保障对象的保障需求，采用专家系统决策方法和人工神经网络决策方法，确定所述保障对象的保障需求中需要响应的需求点、响应类型和数量；
8、根据所述需要响应的保障需求，生成保障方案；
9、将所述保障方案进行可视化展示。
10、可选地，所述获取保障对象的保障态势数据，具体包括：
11、获取所述保障对象的保障力量状态信息；所述保障力量状态信息包括保障力量位置、保障力量当前执行任务内容、保障力量完成任务剩余时间；
12、获取所述保障对象的资源信息；所述资源信息包括资源类型、资源数量、资源位置和资源状态；
13、获取所述保障对象的需求信息；所述需求信息包括需求资源类型、需求资源数量、资源获取时限和需求点位置。
14、可选地，对存储的保障态势数据进行数据处理，具体包括：
15、对所述保障态势数据进行缺失数据清洗，确定所述保障态势数据中的缺失数据；
16、基于所述缺失数据，采用纵向数据分析和横向数据分析，确定所述缺失数据的预测值；所述纵向数据分析为对所述缺失数值属性的数据分析；所述横向数据分析为对所述缺失数值记录的其他属性值的数据分析。
17、可选地，基于所述缺失数据，采用纵向数据分析和横向数据分析，确定所述缺失数据的预测值，具体包括：
18、当所述缺失数据为定量数据时，采用纵向数据分析，通过求解相邻数据平均值，对缺失的数值进行填补；
19、当所述缺失数据为定性数据时，采用横向数据分析，通过人工神经网络的方法，对于缺失的数值进行填补。
20、可选地，所述专家系统决策方法采用模糊推理方法进行规则推理，具体推理模型为：
21、if a1and a2and…and anthen c cfr；
22、if a1′and a2′and…and an′then c′cff cfc；
23、其中，a1，a2,…,an属于匹配条件；a1′，a2′，…an′是目标条件；c是匹配条件下的激活结论；c′是目标条件下的激活结论；cfr是匹配条件的可信度；cff是目标条件的可信度；cfc是激活结论的可信度。
24、可选地，所述人工神经网络决策方法采用bp神经网络模型进行决策；其中，所述bp神经网络模型的训练过程如下：
25、构建条件特征向量；所述条件特征向量由多条已知条件特征向量构成；
26、构建专家推理结论向量；所述专家推理结论向量为从专家知识库中搜索推理结论向量；
27、构建bp神经网络的结构；所述bp神经网络采用输入层-隐含层-输出层的三层结构；输入层与隐含层之间采用sigmod型的正切函数tansig函数，隐含层与输出层之间采用线性函数purelin函数；
28、基于训练样本集对bp神经网络进行训练，得到用于决策的bp神经网络模型；所述训练样本集中的输入值为逻辑关系描述语句中在if语句中提取事例的属性特征值，所述训练样本集中的输出值为逻辑关系描述语句中在then语句中提取事例的决策结果值；所述if语句中提取事例的属性特征值与所述then语句中提取事例的决策结果值是在由基于专家系统决策方法处理历史决策问题时得到的值。
29、第二方面，本技术提供了一种智能化保障态势感知装置，包括：
30、数据获取模块，用于获取保障对象的保障态势数据；
31、存储处理模块，用于将所述保障态势数据进行分布式存储，并对存储的保障态势数据进行数据处理，得到处理后的保障态势数据；
32、需求模块，用于根据所述处理后的保障态势数据，采用大数据技术，确定所述保障对象的保障需求；
33、计算模块，用于基于所述保障对象的保障需求，采用专家系统决策方法和人工神经网络决策方法，确定所述保障对象的保障需求中需要响应的需求点、响应类型和数量；
34、保障方案模块，用于根据所述需要响应的保障需求，生成保障方案；
35、展示模块，用于将所述保障方案进行可视化展示。
36、第三方面，本技术提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的一种智能化保障态势感知方法的步骤。
37、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的一种智能化保障态势感知方法的步骤。
38、第五方面，本技术提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的一种智能化保障态势感知方法的步骤。
39、根据本技术提供的具体实施例，本技术公开了以下技术效果：
40、本技术提供了一种智能化保障态势感知方法、装置、设备、介质及产品，方法包括：首先，收集保障对象的保障态势数据。这些数据涉及保障对象的状态、资源使用情况、环境条件等多个方面；接着，将收集到的保障态势数据进行分布式存储。分布式存储不仅可以提高数据的安全性，还能提升数据处理的速度和效率；在存储过程中，对数据进行必要的预处理；随后，利用大数据技术对这些处理后的保障态势数据进行深入分析；通过对数据的挖掘和关联分析，识别出保障对象的保障需求；在确定了保障需求后，进一步采用专家系统决策方法和人工神经网络决策方法来确定需要响应的保障需求点、响应类型以及数量；专家系统决策方法能够利用专家的知识和经验进行决策，而人工神经网络决策方法则能够通过学习和训练来模拟人类的决策过程，两者相结合可以确保决策的准确性和可靠性。基于以上步骤，生成具体的保障方案；最后，将保障方案进行可视化展示；为决策者提供更加直观和清晰的决策依据。通过本技术的智能化保障态势感知方法，可以有效地处理和分析保障对象的状态、资源、环境等数据，实现态势感知，提高保障工作的效率和准确性，还能够预测保障态势的发展情况，为决策者提供有力的支持。
技术特征：
1.一种智能化保障态势感知方法，其特征在于，所述智能化保障态势感知方法包括：
2.根据权利要求1所述的一种智能化保障态势感知方法，其特征在于，所述获取保障对象的保障态势数据，具体包括：
3.根据权利要求1所述的一种智能化保障态势感知方法，其特征在于，对存储的保障态势数据进行数据处理，具体包括：
4.根据权利要求3所述的一种智能化保障态势感知方法，其特征在于，基于所述缺失数据，采用纵向数据分析和横向数据分析，确定所述缺失数据的预测值，具体包括：
5.根据权利要求1所述的一种智能化保障态势感知方法，其特征在于，所述专家系统决策方法采用模糊推理方法进行规则推理，具体推理模型为：
6.根据权利要求5所述的一种智能化保障态势感知方法，其特征在于，所述人工神经网络决策方法采用bp神经网络模型进行决策；其中，所述bp神经网络模型的训练过程如下：
7.一种智能化保障态势感知装置，其特征在于，所述智能化保障态势感知装置包括：
8.一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的一种智能化保障态势感知方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的一种智能化保障态势感知方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的一种智能化保障态势感知方法的步骤。
技术总结
本申请公开了一种智能化保障态势感知方法、装置、设备、介质及产品，涉及指挥决策技术领域，该方法包括获取保障对象的保障态势数据；将保障态势数据进行分布式存储，并对存储的保障态势数据进行数据处理，得到处理后的保障态势数据；根据处理后的保障态势数据，采用大数据技术，确定保障对象的保障需求；基于保障对象的保障需求，采用专家系统决策方法和人工神经网络决策方法，确定保障对象的保障需求中需要响应的需求点、响应类型和数量；根据需要响应的保障需求，生成保障方案；将保障方案进行可视化展示。
技术研发人员：连云峰,牛刚,韩宁,梁晓龙,赵晓文,张西山,李雅峰,李会杰,代冬升,张福元
受保护的技术使用者：中国人民解放军32181部队
技术研发日：
技术公布日：2024/9/23