基于组合模型预测火炮初速的研究与应用

田珂，陈铎

(中国人民解放军63850部队，吉林 白城 137001)

现代战场环境中，能够精确打击敌人成为火炮射击的重要目标，而这决定于火炮射击精度是否准确。影响火炮射击精度的因素有很多，火炮初速是火控系统解算或射表计算的重要参数之一，直接影响火炮系统的命中精度[1]。如何在不经试射的条件下把握短暂的战机准确打击目标，对火炮初速预测就成为了重要的研究目标。目前预测火炮初速的方法有很多[2-4]，这些单一模型的优点是建模简单，缺点是只能预测出火炮初速中的某一特征，预测的精度有限。火炮初速可以看做以弹序为参数的时间序列，单一模型无法同时提取出火炮初速中的线性成分和非线性成分，导致预测精度不理想。根据Bates和Granger对组合预测模型的研究，可以把多种预测方法所得到的预测结果进行综合考量，这样能较大限度地利用多种预测方法的样本信息，考虑问题更全面，减少单个预测模型受各种随机因素的影响，进而提高模型预测的精度[5]，因此选择利用ARIMA模型、GM(1,1)灰色模型与BP神经网络模型构建组合模型提高预测火炮初速的精度。

1 ARIMA模型建模

1.1 平稳性检验

检验时间序列的平稳性，通常有时序图检验和单位根检验。由于时序图检验平稳性的方法带有一定的主观性，精度不高，所以需要利用ADF单位根检验法准确检验平稳性[6]。ADF单位根检验法就是对时间序列构造检验统计量t，根据t对应的概率p的值与临界统计值进行比较来检验时间序列是否有单位根。……