宇宙戦場状況情報に基づく低次元多変量情報融合予測に関する研究

科学分野:

• 人工知能
• 宇宙システム工学
• 防衛技術

背景:

• 宇宙戦場ターゲットの動的予測は、効果的な意思決定にとって重要です。
• 既存の方法は、宇宙戦争シナリオの複雑さとリアルタイムの要求に対処するのに苦労しています。
• 正確なターゲット追跡と予測は、戦略的優位性のために不可欠です。

研究 の 目的:

• 動的な宇宙戦場ターゲットのための新しいハイブリッド予測モデルを開発すること。
• 複雑な環境におけるターゲット予測の精度とロバスト性を向上させること。
• 強化されたリアルタイム宇宙戦争意思決定支援の基盤を提供すること。

主な方法:

• ファジィ認知マップ（FCM）とエコー状態ネットワーク（ESN）をハイブリッドモデルに統合しました。
• 多変量時系列データの階層的融合により、ファジィ関係マップを構築しました。
• 遺伝的アルゴリズムと偏差フィードバックメカニズムを使用してノード関連を最適化しました。

主要な成果:

• 提案されたハイブリッドFCM-ESNモデルは、従来のメソッドと比較して、平均予測誤差（5.10％）を有意に低減しました。
• 遺伝的アルゴリズム（8.99％）、粒子群最適化（10.39％）、LSTM（63.78％）よりも優れた精度を示しました。
• 動的な宇宙戦場環境における予測ロバスト性の向上を検証しました。

結論:

• ハイブリッドFCM-ESNモデルは、宇宙戦争における動的ターゲット予測において大きな進歩をもたらします。
• このモデルは、リアルタイムの宇宙戦場意思決定に効果的なサポートを提供します。
• ソースコードは、査読とさらなる研究を容易にするために公開されます。