大数据驱动下舰队编组优化与决策支持系统构建.pdfVIP

第42卷第1期数字技术与应用Vol.42No.1

2024年1月DigitalTechnologyApplicationJan2024

中图分类号:TP274 文献标识码:A 文章编号:1007-9416(2024)01-0131-03

DOI:10.19695/12-1369.2024.01.42

大数据驱动下舰队编组优化与决策支持系统构建

石家庄诺通人力资源有限公司 邢康

传统的人工决策方式往往无法满足多变的战场需求令等。在系统设计和实现过程中，需要加强对数据的安

和数据量大、复杂性高的挑战。然而，大数据技术的兴全保护和隐私保护措施，防止数据泄露和非法获取。此

起为解决这一问题提供了新的可能性。利用大数据驱动外，还要制定相应的数据使用规范和政策，明确数据使

下的舰队编组优化与决策支持系统，可以实现全面、准用范围和权限，保障数据的合法使用和隐私权的保护。

确、实时的决策支持，提高舰队作战能力。引入大数据2针对舰队编组优化与决策支持系统技术缺陷的优化

技术，舰队编组的优化和决策支持可以更加全面、精确对策

地考虑多个因素的影响，包括船只性能、环境条件、任2.1海战历史数据质量保障与管理

务要求等。通过对海战历史数据、装备性能数据以及环在整个数据质量管理过程中，建议建立数据质量监

境数据等海量数据的分析，系统可以提供针对不同战场控机制，实时监测数据的质量指标，并及时报告和处理

情况的最佳编组方案，并能根据实时数据进行动态调整，数据质量问题。同时，要加强与数据提供方的沟通与合

适应作战需求的变化。作，建立数据质量反馈机制，及时向数据提供方反馈数据

[2]

1舰队编组优化与决策支持系统技术缺陷质量问题，促使其改进数据质量。决策者需要根据对

1.1数据质量问题实际战场态势的分析，构思舰队进攻与防御方案。每一

大数据驱动的舰队编组优化与决策支持系统的数据个作战方案针对海战历史数据，在数据收集阶段，需要

源涉及海战历史数据、装备性能数据、环境数据等各种对不同来源的历史数据进行审查和筛选，选择可信度较

[1]

类型的数据。然而，不同数据的质量和准确性可能存高、质量较好的数据源。然后，确保数据的准确性和一

在差异，甚至有一定程度的不确定性。数据质量问题可致性。这包括进行数据预处理，比如去除重复数据、处

能导致决策结果的不准确或者偏差，从而影响系统的可理异常值等；进行数据归一化，将不同格式的数据统一

靠性和有效性。因此，需要在数据收集和整理阶段对数到相同的标准化表达形式。数据归一化主要是指将数据

据进行质量验证和清洗，确保数据的准确性和可信度。进行线性变换，使其能够落入一个特定的小区间内，通

1.2模型的复杂性和实时性常是[0，1]或者[-1，1]。数据归一化公示如