軍隊建設項目資源投入產出效益評估方法研究?

任 帆 陳曉楠 胡建敏 金 孌

（國防大學聯合勤務學院 北京 100089）

1 引言

軍隊建設作為提高和保障軍隊戰斗力的一項重要內容，時刻貫穿于軍隊的平時與戰時。軍隊建設所需的資源涉及到軍內外的方方面面，例如在進行武器裝備建設時需要工業、技術、金融資源，在作戰理論研究方面需要科研資源，在后勤保障建設上需要人力資源和財力資源，進行思想政治建設時需要文化資源。準確把握軍隊建設資源的基本內涵，構建符合我軍特色、體現時代要求的軍隊建設資源管理體系，對于適應現代化戰爭、切實履行軍隊使命、提高軍隊建設管理專業化科學化具有重要意義。

2 軍隊建設資源投入產出特征工程

軍隊建設項目資源投入產出效益綜合來講就是投入資源產出效益。經濟學中把資源分為人力資源、物力資源、財力資源、信息資源、時間資源等。軍事資源是指軍隊建設項目中投入的人力資源、物力資源、財力資源、信息資源和時間資源的總和，是軍隊建設的基本條件［1］。軍事資源配置合理與否，對一個國家軍事發展有著十分重要的影響。

此外，軍隊建設項目資源投入產出屬于復雜系統范疇，各類資源的投入不能采用簡單的分解還原的分析方法來得出產出效益，還要考慮更多的因素和影響，例如，A地和B地都可以建設裝備檢測中心，在兩地投入的資源一致，但是A地位置更合理，A地交通便利運輸效率高，A地的安全性更好，這都決定了A地的效益產出比B地更好。因此，決定效益產出的因素不能僅考慮投入的資源，還需要對其他因素進行分析與評估。這里將這些因素統分為若干類別特征和屬性特征具體特征，分類情況見表1。

表1 特征分類情況

2.1 資源的描述

人力資源：人力資源包括人的數量和人的體質、智力、知識、技能等各個方面。人力資源是進行軍隊建設的勞動力資源或勞動力，是軍隊建設項目資源里的必要因素。

物力資源：物力資源是指軍隊建設項目中所需的土地、建筑物、機器裝備設備、工具、運輸車輛、動力能源、原材料和輔料等資源的統稱。

財力資源：財力資源為在一定時期內可用于國防和軍事的資金及其來源的統稱，也可以稱為軍事財力資源。財力資源作為衡量資源價值的關鍵特征，其特征數據一般來講是軍隊建設項目資源中可以直接采集到的。

信息資源：信息資源是指軍隊建設中所需要的各類信息活動要素，包括信息資料、信息技術、信息設備、信息生產者等的集合。

時間資源：時間資源指軍隊建設項目中所消耗的時間價值，主要是軍隊建設項目籌劃與建立的時間。

2.2 類別特征的描述

項目類別：按照國防預算結構框架來進行項目類別的劃分。分為戰略力量、常規力量，指揮、控制、通信、智能和太空，機動力量、國民警衛隊和預備役部隊、研發、基本的供給與維護，訓練、醫療和其他人員活動，行政管理和相關的活動、對其他國家的援助、特種作戰力量［2］。

項目級別：以軍隊建設項目的類別來劃分不同的級別分為國家級、全軍級、戰區級、軍種級、軍級、師級、團級及以下級別。

經費科目：軍隊建設項目經費預算的科目類別。按照經費預算的內容分為生活費、公務費、事業費、教育訓練費、裝備購置費、裝備維修管理費、基本建設費、科學研究費、戰備作戰費和其他經費等項目。

項目時效：按照軍隊建設項目完成后影響和輻射的時間分為短期型、中期型、長期型。

面向范圍：按照軍隊建設項目完成后影響和輻射的范圍分為小范圍、大范圍、全國范圍、全球范圍。

其他類別：軍隊建設項目完成后劃分的其他類別。例如，項目完成后主要是面向的平時還是戰時，面向的是國內還是國外，面向得是作戰領域還是后勤領域，是否有替代項目，項目是否有爭議，項目是否具有唯一性等，類似的類別特征很多，本文在計算時選取類別特征的前5項進行處理。

2.3 屬性特征的描述

戰略屬性：一切軍隊建設都是為軍事戰略服務的，戰略屬性就是軍隊建設項目所滿足的軍事戰略的程度，也可以表示為軍隊建設項目在戰略需求中的地位。

技術屬性：軍隊建設離不開技術的發展，相同的資源投入采用不同的技術，或者技術水平的高低，都會對效益產出帶來影響。

安全屬性：安全屬性為軍隊建設項目的安全性，例如，彈藥安全性、保密安全性、管理安全性等。

需求屬性：軍隊建設項目的需求程度，與戰略屬性不同的是，需求屬性更多的是軍隊建設具體的需求程度，例如，某部需要建立一個訓練中心，這是該部軍事訓練所需的，但是與戰略需求關系不大。

交通屬性：軍隊建設項目周邊的交通便利程度，包括公路、鐵路、航空、管道、港口和交通樞紐等。

環境屬性：周邊環境滿足軍隊建設項目的需求程度，不僅指的是地理環境，還包括經濟環境、社會環境等，例如，某些涉密性比較高的軍事設施建設，要考慮周邊的社會環境，防止敵特分子的滲入等。

民情屬性：在此地確定軍隊建設項目對民眾造成的影響，例如，建造機場可能會對周邊居民帶來噪聲問題，一些大型設施的建立可能涉及拆遷問題，這都會對民眾造成不同程度的影響。

地理屬性：地理屬性主要是指軍隊建設項目的地理位置屬性，與環境屬性不同的是，地理屬性側重于軍隊建設項目的地理形勢，例如，在某地建立軍事設施，但有可能發生泥石流的隱患，這都對地理屬性帶來影響，從而影響最終產出效益。

生態屬性：確定軍隊建設項目對周邊生態環境帶來的影響，例如，某些軍事設施的建立可能對周邊生態環境帶來破壞。

就業屬性：軍隊建設項目的建立會帶動一部分當地的就業形勢，從而影響經濟效益，例如，某大型軍事設施的施工所需要的大量地方施工人員，短時提供了大量的工作崗位。

軍民融合：某些軍隊建設項目的確立，周邊會逐步形成醫院、學校、商場等，例如軍隊院校的建立，將帶動周邊經濟和產業的飛速發展。與就業屬性不同的是，軍民融合更強調長期的發展。

人才吸引：軍隊建設項目的確立對人才有著很大的需求，在資源投入相同的情況下，吸引更多更優質的人才將會帶來更多的效益產出。

2.4 效益特征的描述

政治效益：軍隊建設項目所帶來的政治效益，例如，遼寧號和山東號航空母艦的列裝，為中國在國際上帶來很大的政治影響和政治效益。

經濟效益：軍隊建設項目所帶來的經濟效益，例如，軍隊醫院的建立不僅僅滿足部隊需求，也為廣大民眾服務，并帶來相當的經濟效益。

文化效益：軍隊建設項目所帶來的文化效益，例如，對于黨史軍史的研究和軍隊文化項目的確立都會帶來文化效益。

軍事效益：軍隊建設項目所帶來的軍事效益，這是軍隊建設項目帶來的最主要的也是最重要的效益，一切軍隊建設資源都是為軍事效益服務的。

外交效益：軍隊建設項目所帶來的外交效益，例如，吉布提海外軍事基地的建立涉及到外交效益。

3 軍隊建設資源投入產出方法設計

3.1 特征量化方法

在軍隊建設的實際問題上，與之相關的特征大多數是一個宏觀的概念，往往不是可以直接查詢和獲得的，因此在對軍隊建設項目資源投入產出進行預測和評估時，需要對于資源特征、類別特征、屬性特征和效益特征進行量化處理。

人力資源可以用在軍隊建設項目中投入人的數量和質量的乘積加以表示，包括軍隊建設甲乙雙方的所有人，即軍隊方參與軍隊建設項目的人員和雇傭外來進行項目建設的人員，人員質量包括人的體質、智力、知識、技能等。在多數情況下，人員工資和人員質量成正比，因此，人力資源定義為

其中，T為整個項目籌劃和建設所花費的總時間，P為從事軍隊建設項目的軍內人員的每月工資，Q為從事軍隊建設項目中雇傭人員所花費的總金額，N為從事軍隊建設項目中軍內人員的數量，α為比例參數，此外，由于軍內人員工作多樣性，在整個項目籌劃和建設過程中，不是每個人所有的工作時間都投入到項目建設上，這里設φi為對應的軍內人員在所有工作中耗費在此項目上所占的時間比例。

物力資源都是實體的資源，任何物力資源都可以轉換等價值的財力資源，這里直接用物力資源的價值金額來對物力資源進行量化，物力資源用Mr表示。

財力資源是最直接的資源體現，可以直接用軍隊建設項目的預算金額作為財力資源的值，財力資資源用Fr表示。

信息資源無法簡單的用價值金額來衡量，可能耗費很少的人力物力財力就可以得到很有價值的信息資源，也可能為了一份普通的信息情報耗費大量的人力物力財力。由于信息設備在大多數定義里雖然屬于信息資源也同時屬于物力資源，且信息技術的共享性也決定了信息資源的投入與量化不能夠僅僅通過信息價值來判斷，這里將信息資源視為更加趨近于非實體的資源，定義為

其中，NI為軍隊建設項目中從事信息工作的人數，ti為從事信息工作的人數所耗費的時間，Mi為從事信息工作的人員單位時間的工資，M0為直接購買的信息資源或技術等非實體信息資源的金額。

時間資源分為籌劃階段所耗費的時間和項目執行所耗費的時間，即

其中，T1為項目籌劃階段的時間，T2為項目執行階段的時間，單位為月，β為比例參數。

類別特征中的項目類別、項目級別、經費科目、項目時效、面向范圍按照每一項的類別分類分別取值為1～11、1～7、1～10、1～3和1～4的整數數值，其他類別按照0和1進行區分。

屬性特征和效益特征采用德爾菲法來確定，通過德爾菲法評估軍隊建設項目對這12個屬性特征和5個效益特征的影響程度，屬性特征取值為確定在0到10之間的一個具體的分數，效益特征分為5個檔次I～V，如表2所示。

表2 效益特征的分級情況

3.2 梯度提升算法

接下來通過資源特征和屬性特征來預測和評估效益產出。傳統的評估方法主要包括層次分析法、模糊綜合評價法、數據包絡分析法等，隨著數據挖掘技術的發展，神經網絡、遺傳算法等方法被用于數據的分類與回歸，但是這些方法仍存在一定的局限性，例如神經網絡算法訓練次數不足則會過導致擬合，算法本身的收斂速度較慢，容易陷入局部最優解［3］。雖然如此，但機器學習算法有著其他算法難以企及的優越性，如何選擇一種精度較高、收斂速度快、防止過擬合的機器學習算法作為分類算法十分必要。

目前在數據預測問題上比較前沿的機器學習算法有GBDT、XGBoost、LightGBM等，這幾種都屬于梯度提升算法GB（Gradient Boosting），梯度提升算法的基本步驟如下［4～6］：

3）對rmi擬合一個回歸樹，得到第m顆樹的葉子結點區域Rmj，j=1，2，…，J，并計算

3.3 LightGBM算法

LightGBM（Light Gradient Boosting Machine）算法主要是一種在GBDT算法基礎上加以優化的框架形式，GBDT算法在每一次的迭代過程中都要多次反復的遍歷訓練數據，嚴重的占有內存、消耗時間。與GBDT算法不同的是，LightGBM算法有著快速、高效、分布式的特點。LightBGM算法主要使用了基于 Histogram 決策樹算法進行學習［7～9］，如圖1所示。首先將特征值進行離散化，并生成一個寬為k為的直方圖。當對數據樣本進行遍歷時，將取離散后值作為索引值。遍歷完成后就增加了需要的統計量，再通過離散化的特征值來識別最優的分割點。采取這種方式既能顯著降低內存的使用，從而降低時間復雜度。

圖1 基于直方圖的決策樹算法

LightGBM算法的另一個特點是采取了限制深度的葉子生長方法（Leaf-wise），選取損失函數值增長最大的葉節點來生長。Leaf-wise有著更高的精度和更低的誤差，并在Leaf-wise中加入了防止過擬合的最大深度限制。該策略在每一次分裂前都會遍歷決策樹中的葉子節點，尋找到分裂增益最大的葉子來進行分裂，然后重復這一操作，具體Leaf-wise生長策略如圖2所示［10～11］。

圖2 Leaf-wise生長策略

進行訓練、測試和預測的數據特征屬性情況見表3。

表3 特征屬性情況

3.4 檢測標準

通過LightGBM算法訓練數據并進行預測后，以Kappa系數k和預測正確率作為檢測標準，其中Kappa系數的定義如下［12］：

其中，p0為每一類正確分類的效益特征數之和除以每一類效益特征總數n。

其中，在相同類別效益特征下，每一級別真實的樣本的數量為a1，a2，…，a5，預測出來的各級別樣本數量為b1，b2，…，b5。

3.5 系統設計描述

整個軍隊建設項目資源投入產出效益評估的活動關系、功能關系和信息關系形成了“信息環-功能環-活動環”的原理流程，如圖3所示。

圖3 系統信息-功能-活動關系圖

軍隊建設項目資源投入產出效益評估系統是基于LightGBM等機器學習算法，在大量的數據支撐前提下，通過對數據的訓練與學習，建立合適的機器學習模型。同時，可以在傳統的軍隊建設項目基礎上利用數據、整合數據、分析數據、進行評估，獨立出來可以單獨作為一個系統，集成到其他軍隊建設項目相關系統中可以作為一個子系統或者功能模塊。

4 結語

國防和軍隊建設關系到國家長遠發展和長治久安，軍隊建設項目的資源投入和產出效益直接影響到軍隊戰斗力的生成。本文結合軍隊建設項目的現狀，找到了與軍隊建設項目相關的眾多特征，采用機器學習算法進行回歸預測，評估項目完成后的產出效益。可以看出，軍隊建設項目投入產出效益評估方法具有一定程度的可能性與合理性，但預測準確度方面仍有提升空間。提升準確率的方法主要有兩個：一是完善屬性特征的評估方法，二是建立完善的軍隊建設項目數據庫，并進一步完善數據特征的類別擴展。