《表3 部分预测值及其相关系数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Elman神经网络和Copula函数的多维装备效能评估模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对表1和表2中数据进行归一化处理后，以前2 000组数据作为超视距打击能力和视距内作战能力的神经网络训练数据，其中超视距打击能力的输入端为4，输出端为1；视距内作战能力的输入端为3，输出端为1；通过设定隐含层神经元个数、训练函数以及指定延迟，得出二者的Elman神经网络训练模型。需要说明的是，由于底层指标采样结果单位不同的原因，难以将底层指标直接作为神经网络的输入项，故未选用其作为网络的输入项指标进行训练，而是通过计算（评估）后将结果转化为标量。以该模型对余下8 000组数据进行预测分析，分别得到了超视距打击能力R及目视内作战能力S的模型预测值（下文简称R值和S值），选取部分如表3所示。以二者预测结果为基础，结合任务过程中装备的可靠性和可用性，计算得出的该型武器装备超视距和视距内的系统效能值，数据散点图如图4所示。