|
军事预测是伴随战争而产生的。只要有战争就离不开预测，就离不开与战争研和练、谋与战息息相关的军事预测分析方法。随着大数据时代的到来，军事预测更加趋向于用数据 “说话”，因为数据是未来战争的“核心”资源，谁能掌控数据，谁就拥有了战场信息优势，就能夺取战场主动权的制高点。大数据时代如何进行军事预测分析，这是指挥员必须要认真思考和解决的重要问题。 在大数据时代，战争的“迷雾”已经由过去的无信息、少信息变成了现在以及未来的假信息、多信息，军事预测将面临诸多难题。一是未来军事活动，特别是作战过程中产生的数据具有规模巨大、类型多样、价值密度低、时效性强等特征，而传统数据处理方法难以甚至无法在一定时限内完成数据的收集、预处理、分析、可视化以及应用等任务。二是未来作战中，指挥员及其指挥机关需要对作战行动的进程、战场态势变化，敌我双方可能使用的兵力兵器及其战法，作战损失、消耗及结果进行预测，而传统的数据分析方法大多基于经验估算、逻辑推理等因果关系之上，难以对实时、基于相关关系的数据进行分析和预测。三是信息化作战，侦察、指挥、控制、打击、保障融为一体，指挥决策涉及内容多、周期短、难度大，基于传统决策方法的小样本数据无法实现快速精准指挥决策和高效敏捷的持续控制以及诸军兵种相互协同等任务。大数据预测是大数据最核心的应用。军事预测问题中，大数据技术能够将军事活动中产生的大量关联数据进行相关关系分析，从中发现和掌握作战行动中的规律，进行科学研判和“预测”，甚至拓展到“现测”。典型的预测方法是“数学模型预测法”，它主要通过对获取的各种数据进行统计和分析，采用不同的定量化途径建立起与预测目的相适应、反映事物内部联系的数学模型。
首先，搜集、分析与军事预测问题相关的数据信息和影响因素，厘清各因素之间的关系，进行定量化处理，明确模型的输入输出参数；其次，对该类军事预测问题相关的历史数据进行统计分析，借助Hadoop（分析和处理大数据的软件）、MATLAB（商业数学软件）等工具，拟合出相应的数学模型，并进行误差分析；最后，将大数据分析处理后用于预测的数据，代入模型中进行运算，得出相应的结果。时间序列预测、神经网络预测等方法，都是在数学模型预测法的基础上，针对不同类型的军事问题提出的预测分析新方法。当然，基于大数据的军事预测，离不开大数据分析与挖掘等先进技术的支撑。作战中产生的海量数据，需要使用包括量子计算机在内的各种高性能设备进行智能计算，依此来辅助指挥员寻找隐藏在数据海洋里的重要关联信息，以便快速捕获有价值的数据并形成预测结论，为指挥员定下决心、形成决策方案提供基本遵循。在美国大数据研发计划中，有一个与作战预测紧密相关的“洞悉计划”项目，其目的在于开发一种资源管理系统，通过分析图像、非图像等数据的相关信息，自动识别网络威胁和非常规的网络攻击行为，进而实现对时间敏感的潜在威胁进行分析和预测。大数据与云计算、人工智能技术深度融合，将极大程度地提高军事预测的精确性和作战决策的科学性。一是预测作战行动、战场态势变化及结果。随着我军武器装备的信息化程度不断提高，具备自动采集、处理功能的智能化装备将遍布作战区域，这些设备会源源不断地为作战预测提供数据资源，这将有利于发挥大数据研判优势，更好地对作战行动的进程、战场态势变化，敌我双方可能使用的兵力兵器及其战法进行预测。二是预测作战消耗及战损情况。俗话说：“兵马未动，粮草先行。”基于大数据的作战预测模型，可以借助人工智能、云计算等新技术监测人员、装备实时状况，并考虑不同作战对象（目标）、作战样式、作战强度等条件的影响，准确科学预测部队遂行作战任务的人员伤亡率、武器装备损失率以及各类弹药、油料、给养、被装、卫勤、日用品等物资的消耗量。这对于提高后装保障效益、维持战斗力和打赢战争发挥了重要作用。三是评估军事训练水平。利用便捷的可穿戴设备、物联网及智能终端，可以“自然而然”地记录官兵训练过程中的“一举一动”，这些数据通过分析与挖掘，可以指导部队完善训练内容和方式方法，通过综合分析训练行为，实现动态优化训练计划、过程以及自动评估训练效果，并提出个性化的训练方案，以便提升部队军事训练效益。四是网络安全风险预测。美国国防部高级计划研究局（DARPA）资助的Insight项目开发了预测分析工具，能够自动综合多源传感器信息，已在美陆军和空军获得应用。未来的作战体系，是在有线、无线并存的网络环境中运行的，敌方会想方设法入侵我方网络，从中获取、占用甚至非法篡改有用的数据和信息。构建基于大数据的网络入侵信息监测模型，有利于提高网络入侵检测的准确性，从而提升数据安全和网络安全等保障能力。（白承森 闻传花 刘网定）
转载请注明来源
|
