我軍戰斗減員預計模型研究現狀及思考

楊奇，賀禎，魯兆楠，房彤宇

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

現代戰爭以信息化為主要特征，大量使用高科技武器裝備，在作戰樣式、作戰持續時間、作戰空間和作戰手段等方面均發生較大變化。高新技術帶來的軍事變革使得戰斗減員也隨之呈現出許多新的特點，以往的戰斗減員預計模型不再適用于新的戰法模式，這對于我軍戰斗減員預計提出了更大的挑戰。現代戰爭，我軍需充分結合其規律特點，利用大數據、人工智能等前沿技術，多方采集整合戰斗減員數據，創新戰斗減員預計方法路徑，為衛勤保障乃至作戰指揮提供有力輔助支撐。

1 主要模型

1.1 神經網絡預測模型 徐雷［1］建立的神經網絡預測模型選取了包括作戰天數、指揮控制因子等18 項對戰斗減員率影響較大的指標，建立了神經網絡拓撲結構，20 例樣本最大預測誤差在5.7%［2］；談彬等［3］建立的神經網絡預測模型選取了武器裝備、戰爭態勢等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據間的關系，遇有武器裝備、作戰環境、社會因素等指標發生變化時，可以實時調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斗減員影響程度的量化值，對計算機模擬生成的數據進行修正，建立相應的調整算法［4］。其特點是對影響戰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、對現代戰爭的認同程度等）考慮在內，模型構建得更加科學合理。

1.3 集團軍山地進攻戰斗減員的時間序列模型該模型收集了我軍某次作戰的經驗數據，采用柯爾莫哥洛夫-斯米爾諾夫方法進行統計分布的擬合優度檢驗，運用博克斯-詹金斯方法建立時間序列模型，得出集團軍戰斗減員率的統計分布與戰斗激烈程度有關的結論［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，與模型建立的戰斗減員數據較為契合，而且模型可以根據相關參數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 城市進攻戰斗減員模擬預計模型 該模型以城市進攻作戰減員預計為例，以定量判斷模型為基礎，設定參戰人數、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據，能夠采用Vlookup 函數得出兵力規模和抵抗因素等難以給出確定值因素的量化值，進而得出正態分布變量，并以此模擬標準傷亡率［6］。通過反映減員區間分布的圖形，能夠為城市進攻下一步作戰計劃以及衛勤保障計劃提供科學的參考依據。

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，采取作戰模擬的方法實現以艦艇編隊損傷評估結果計算艦艇編隊戰傷減員數［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，有效規避了海戰減員因素對個體影響較大的問題，提升了海戰減員預計的準確性。

1.6 基于系統動力學的戰斗減員預計模型 該模型使用系統動力學方法，利用AnyLogic 7.3.6 Uni?versity 模擬仿真軟件構建紅藍交戰、毀傷系統計算、直瞄武器交戰規則設定、作戰影響因素量化等6 個子系統，通過專家咨詢法、蘭徹斯特方程等對模擬仿真數據進行戰斗減員預計［8］。其特點是能夠結合具體想定任務，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，以整體毀傷程度測算減員情況，不僅能預測陸上現代戰爭總體戰斗減員情況，而且可預測包含不同的傷勢、傷部、傷因、傷型的戰斗減員情況，對指揮員掌握戰斗減員時空分布和進行衛勤保障資源優化配置起到重要的輔助支撐作用。

2 問題分析

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

2.2 缺乏對戰斗減員相關數據的挖掘整理 目前我軍收集到的國內外作戰的相關衛生統計資料，部分數據的精細程度不高且存在不同程度的缺項，達不到統計分析的要求，相較于美軍用于戰斗減員預計研究的歷史數據，我軍在數量和質量上均存在差距。當前美軍建立了包含不同傷情、傷類、傷部等信息的戰傷數據庫，能夠實時對相關數據進行提取分析，而我軍尚未形成一體化、系統化的戰傷數據庫。我軍戰斗減員預計研究運用的一部分數據為年代較為久遠的歷史數據，通過該數據建立的模型對現代戰爭戰斗減員預計的指導意義不是很大；另一部分數據通過以前的模擬仿真模型得出，容易給戰斗減員預計模型構建帶來偏差。

2.3 缺乏對前沿算法模型運用的創新探索 近年來，我軍對于戰斗減員預計相關算法研究、模型構建未能進一步提升拓展，尤其是未能充分結合大數據、人工智能的關鍵技術來研究探索現代戰爭戰斗減員預計的新方法新路徑。我軍部分戰斗減員預計模型主要參考美軍Dupuy、FORCAST、SHIPCAS等經典減員預計模型，未能結合實際進一步探索新的模型，在戰斗減員預計結果方面存在一定偏差。現代戰爭，作戰樣式多種多樣，作戰規模可大可小，如：大規模渡海登島作戰、城市滲透作戰等不同作戰樣式，其戰斗減員的影響因素存在交叉但又表現出各自特點，而我軍既有的戰斗減員預計模型未對作戰樣式分門別類，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代戰爭的需求。

3 對策建議

3.1 全面分析戰斗減員影響因素 著眼現代戰爭的規律特點，從作戰兵力、武器裝備、作戰環境等組成要素著手，對比既往研究中上述要素的異同，總結歸納現代戰爭戰斗減員的規律特點，分析其戰斗減員影響因素，并細化完善為軍事因素、環境因素、社會因素等各類一級指標。借鑒國內外對戰斗減員影響因素的相關研究，突出主要指標、摒棄次要指標，深入挖掘影響戰斗減員的二、三級核心指標，如：針對武器裝備構成，選取現代戰爭的各類武器裝備，通過大數據統計分析方法對其數量、殺傷力、殺傷半徑等參數進行量化，選定主要武器裝備作為權重分析的對象。運用卡方分析、方差分析、t檢驗等統計分析方法，對各類戰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重。注重區分不同作戰樣式，著眼不同戰略方向，包括渡海登島作戰、高原作戰、城市進攻作戰等不同作戰樣式，著重分析指揮員能力、官兵士氣、民眾支持程度等二、三級定性指標的權重，形成不同作戰樣式下影響戰斗減員的核心指標體系，以符合現代戰爭戰斗減員預計的現實需要，為后續算法研究和模型構建打下堅實的基礎。

3.2 深度挖掘戰斗減員相關數據 針對我軍戰斗減員數據年代久遠、遺漏缺失、信息不清的現實情況，采取人工錄入與計算機掃描相結合的方式，建立戰傷數據庫，形成不同戰爭、戰役、傷情、傷類、傷部的結構化數據，為算法研究以及模型構建提供真實有效的數據。運用數理統計技術和數據挖掘技術，采用分箱法、回歸法、聚類法等對所獲取的戰斗減員數據進行處理，檢查數據一致性，處理無效值和缺失值，最大限度地保證數據的完整性和實用性，以滿足統計分析和算法模型研究的要求。區分圖片、視頻、音頻等不同數據格式，梳理完成包括軍事、衛勤、作戰、傷亡等與戰斗減員相關術語，運用系統日志、網絡爬蟲等大數據采集方法及詞法分析、語義分析等自然語言處理技術，對國內外、軍內外包含戰斗減員相關信息的網站及系統進行數據采集，不斷充實戰斗減員數據庫。依托基于系統動力學的預計模型等先進的模擬預測模型，對各軍兵種聯演聯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代戰爭實際的戰斗減員數據。

3.3 大力創新模型構建方法路徑 聚焦前沿技術，結合當前大數據和人工智能領域的統計分析方法，通過對比支持向量機、決策樹、樸素貝葉斯、深度神經網絡等算法的優點及劣勢，從數據處理維度、方法步驟實現難易程度、數據統計分析能力、與分析數據的契合程度等方面綜合考量上述算法的科學性及可行性，遴選適用于現代戰爭的戰斗減員預計最優算法。以采集整合的戰斗減員數據為支撐，按照公式推導、算法實現、算法改進、評估結果的流程，對選定的大數據、人工智能相關算法進行深入研究，分析解決算法推進過程中的難點問題，總結實現算法的最優路徑。充分運用計算機模擬仿真技術，發揮其可重復和不受氣候、場地、時間限制的優勢，結合現代戰爭不同作戰樣式和作戰雙方動用兵力、武器裝備等，模擬真實戰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，建立戰斗減員預計模型，并運用回歸診斷、交叉驗證、逐步回歸優化法、主成分分析法等方法對模型進行檢驗優化，形成符合現代戰爭規律的戰斗減員預測模型，為后續相關研究提供參考和依據。