舰船电子工程2022年第11期1引言充足、及时、可靠的油料保障是作战指挥员在战场上灵活运用兵力的前提条件。战时油料需求的巨量性、紧迫性和制约性突出，今后我军遂行联合作战任务，必须对油料保障进行提前筹划，对油料需求进行精准预测，破除需求预测难题，拨开需求障眼迷雾，从而为优化油料储备方案、筹措油料保障力量、制定油料调运计划、组织补给加注活动提供基本依据，促进保障能力生成和作战效能发挥。战时油料需求预测面临诸多挑战，最为棘手的困难可以从两个方面概括。一方面，若基于潜在任务和消耗标准计算、汇总油料需求，原理易懂、过程简单，但现实中油料保障部门往往无法准确掌握潜在作战任务，缺乏进行详算的依据；不同层级的油料需求分别详算后，欠缺统一的汇总标准，在逐级传递过程中容易出现需求放大效应，向上传递的效率也有待提高；若由战区相关部门统一详算油料需求，计算结果对战役层面后勤谋划具有一定意义，但不能直接指导任务部队油料保障实践。另一方面，若基于历史数据和先进算法进行预测，对油料消耗历史数据的完整性、规模性和可靠性要求很高，然而我军油料数据体系建设尚不完善，主要是∗收稿日期：2022年5月14日，修回日期：2022年6月11日作者简介：王灿，男，博士研究生，研究方向：油料智能保障。屈少辉，男，硕士研究生，研究方向：油料智能保障。王帅，男，副教授，硕士生导师，研究方向：作战油料保障。周庆忠，男，教授，研究方向：军事后勤和作战油料保障。周麟璋，男，博士研究生，工程师，研究方向：油料安全评估。基于遗传神经网络的油料需求预测研究∗王灿屈少辉王帅周庆忠周麟璋（陆军勤务学院重庆401331）摘要打赢具有智能特征的未来信息化战争必须做到精确的后勤保障。就油料保障工作而言，需求精确预测是精确保障的基础。使用遗传算法（geneticalgorithm，GA）优化误差反向传播神经网络（back-propagationneuralnetwork，BPNN），为BPNN确定了更优的初始权值和阈值，从而解决了BPNN易陷入局部最优解的问题。油料需求预测实例表明，GA-BPNN相较BPNN、极限学习机（ELM）、稀疏贝叶斯极限学习机（SB-ELM）、支持向量回归（SVR）、邻域粗糙集-支持向量回归（NRS-SVR）等算法具有更高的精度。关键词遗传算法；BP神经网络；油料需求预测；作战油料保障中图分类号E144DOI：10.3969/j.issn.1672-9730.2022.11.025ResearchonOilDemandForecastingBasedonGA-BPNNWANGCanQUShaohuiWANGShuaiZHOUQingzhongZHOULinzh...
