應急任務時基于PPSVM的應急軍械物資分級研究＊

李 元 謝小秋 謝永亮

（安徽省蚌埠市燕山路1454號五系 蚌埠 233012）

1 引言

近年來，我國海上安全形勢錯綜復雜，特別是臺灣問題具有高度的不確定性，使得海上戰役行動的發起具有很強的突然性和不可預見性，提高應急任務保障能力越來越迫切。應急任務一旦發生，就需要保證在第一時間將最需要的軍械物資送達現場。在應急任務情況下，需要結合任務區域的軍械物資存量情況，對軍械物資需求進行分級。應急軍械物資需求分級的科學性直接決定著后續任務的組織實施和效果，在資源有限的情況下，這種分級的管理思想和方式極為重要。在對應急軍械物資進行合理分級后，就可以按照軍械物資的重要性（優先級）采用不同的采購和庫存策略，將應急軍械物資及時運送到任務地點，使得整個應急任務能夠有條不紊、有重點的實施。

由于應急任務具有非例行性，一次應急事件中軍械物資的級別很難再應用于另一次應急事件的處理，而且評估指標上的數據也很難采集到。值得注意的是，目前還沒有一種綜合的評判指標或評價模型能解決應急軍械物資需求分級問題。從目前分級研究的現狀來看，通常是依靠決策人員直覺和經驗來確定軍械物資的級別，具有較強的主觀性和隨意性，不能全面、客觀地反映所需軍械物資的級別特征。因此，迫切需要根據應急軍械物資需求的特點，建立適用于應急軍械物資的分級模型，輔助決策人員對應急軍械物資進行科學分級。

基于統計學習理論發展起來的支持向量機是處理分級問題的有效方法，它克服了傳統機器學習的弊端，通過對學習機器復雜性的約束來控制其推廣能力，從而表現出了極高的泛化能力。具有后驗概率輸出的分類器在實際應用時是非常重要的，它有利于分級過程后續的處理。本文首次嘗試利用后驗概率支持向量機（PPSVM）建立應急軍械物資分級模型，通過實驗說明了模型的可信性和科學性，為在智能決策系統中實現對應急軍械物資需求智能分級提供了有效方法以及模型依據。

2 支持向量機分類器的概率輸出模型

Platt提出的可輸出后驗概率的支持向量機在實際應用中取得了很好的效果，但此方法只能處理二類分類問題，不能直接應用于多分類問題。在Platt的二類別支持向量機概率輸出模型的基礎上，結合Hastie和Tibshirani提出的逐對耦合（Pairwise Coupling）思想解決多類別支持向量機的后驗概率輸出問題，提出一種基于具有后驗概率的支持向量機多類別分類方法，在此基礎上將PPSVM用于對應急軍械物資需求分級決策中，建立PPSVM應急軍械物資分級模型［1］。

首先利用一對一方法對支持向量機進行訓練，假定對于每一個兩類問題i≠j訓練樣本數目為nij。各個兩類支持向量機訓練完畢后，由Platt提出的方法可得到每一個兩類問題的概率輸出模型rij＝p（i｜i or j）。

2）重復如下過程（i＝1，2，…，K，1…）直至收斂；

3 基于PPSVM的應急軍械物資分級方法

在應急管理過程中，由于對應急事件應對的方式不同，以及應急事件性質的變化，應急軍械物資的級別也在發生著變化。本文把軍械物資的重要性、時效性和缺口程度三個因素作為軍械物資需求分級的評價標準，輸入采用自然語言描述應急軍械物資的重要性、時效性和缺口程度，然后將這些輸入指標模糊化，將所對應的評價值作為PPSVM的輸入，通過學習和訓練，得到PPSVM的軍械物資分級模型，最后得到對應的分級結果。

在對軍械物資需求級別的評價集中，采用與模糊輸入相同的方法使用模糊集來定義輸出集合。特別指出的是，目前對應急軍械物資需求的級別并沒有一個權威、法定的分級標準。本文把軍械物資需求分為三級，級別從高到低依次為特急需求（Ⅰ）、緊急需求（Ⅱ）、較急需求（Ⅲ）。

從上面對影響應急軍械物資級別關鍵因素的分析和人們對該類問題的描述可以看出，這三個指標都具有一定的模糊性，是一類典型的模糊語言。因此，需要借助于模糊數學的相關方法，對這三個指標進行模糊化［4］。

結合該領域專家的經驗，可分別建立隸屬度函數，橫坐標的數值范圍從0～10，對應某一輸入的評價值，可以通過對應的隸屬度函數圖，獲得相應評價值的隸屬度。軍械物資的缺口度，可以通過軍械物資的需要量與存量進行定量比較計算出來，然后把它們換算到0～10區間上，軍械物資的時效性和軍械物資的重要程度可以根據管理人員的經驗和判斷定性估計出來。

表1 部分樣本數據

4 實驗結果與分析

影響應急軍械物資分級的因素有三個：軍械物資重要性，軍械物資的時效性，軍械物資的缺口度，因而PPSVM的輸入層有三個節點，分別對應這三個特征參數。選取32組樣本數據，其中17（15）組樣本數據用來訓練PPS－VM，余下的樣本數據用來測試PPSVM。PPSVM的輸出為分級模式數，這里的分級模式為三種，分別是特急需求（Ⅰ）、緊急需求（Ⅱ）、較急需求（Ⅲ）。

表2 樣本分級測試結果Ⅰ

表3 樣本分級測試結果Ⅱ

把兩次訓練測試的結果綜合起來，通過計算得到分級總精度為95.86%，這說明基于PPSVM的網絡仿真輸出效果好，具有精確的分級識別能力。

5 結語

本文提出一種基于后驗概率支持向量機的應急軍械物資分級方法，建立多分類支持向量機的概率輸出模型，然后通過選擇后驗概率最大的類別號作為測試樣本的類別輸出來完成整個分級過程，由三個分級影響指標作為輸入向量，直接輸出劃分的級別。實驗結果表明：將后驗概率引入到標準支持向量機，會擴大支持向量機的應用范圍；將PPSVM引入到應急軍械物資分級建模中是可行而且有效的，能夠很好地解決應急軍械物資的分級問題。

［1］郭瑞鵬.應急物資動員決策的方法與模型研究［D］.北京：北京理工大學，2006：187－189

［2］Wu T F，Lin C J，Weng R C.Probability estimates for multi—class classification by pairwise coupling［J］.Journal of Machine Learning Research，2004，5：975－1005.

［3］李建民，張拔，林福宗.支持向量機的訓練算法［J］.清華大學學報（自然科學版），2003：43－44.

［4］沈沛龍.上市公司財務風險分析與信用評級［J］.中國流通經濟，2006（12）：57－60.

［5］潘峰，程浩忠.基于RBF核函數的SVM方法在短期電力負荷預測中的應用［J］.供用電，2006（1）：16－18.