基于偏最小二乘回归的无人作战飞机维修费用预测

王永杰　任博

【摘 要】本文分析了影响无人作战飞机维修费用的参数，维修费用样本小，数据存在多重相关性，提出用偏最小二乘回归方法来预测无人作战飞机维修费用。实例表明，与传统多元线性回归方法相比，偏最小二乘回归在无人作战飞机维修费用预测中精度较高。

【关键词】无人作战飞机；费用；偏最小二乘回归

【Abstract】Parameters of Unmanned Combat Aerial Vehicle（UCAV） maintenance cost prediction is analyzed. Because there is multivariate data with few observations of maintenance cost， a new maintenance cost prediction method based on Partial Least-Square Regression（PLSR） is proposed. The results calculated show that compared with ordinary multiple linear regression， the PLSR method is higher accuracy in UCAV maintenance cost prediction.

【Key words】Unmanned combat aerial vehicle； Cost； Partial least-square regression

无人作战飞机区别于有人作战飞机的重要特征是“零伤亡”和效费比高，近年来世界范围内无人作战飞机迅速发展。然而，随着其使用范围不断扩展，费用投入急剧增加，已成为无人作战飞机型号发展的重要制约因素。由于无人作战飞机维修费用数据匮乏，而偏最小二乘回归方法在处理样本容量小，说明性变量多等问题方面具有独特的优势[1]。

1 偏最小二乘回归方法建模方法

2 实例分析

在说明性变量的选择上，无人作战飞机性能表现出了新特点，无人机自主性是无人机区别于有人飞机的一个重要特征，甚至是其唯一特征，主控制级别（ACL）可以量化衡量一架具体无人机的自主程度，所以将ACL纳入说明性变量。说明性变量包括：最大起飞重量W（千克），巡航速度V（千米/小时），飞行高度H（千米），续航时间T（小时），载荷N（千克），机长L（米），主控制级别（ACL），维修费用CW（百万美元），这些参数体现了无人作战飞机最主要的性能和费用特征。收集到的具体样本数据如表1所示。

表1 无人作战飞机维修费用样本数据

为了对建立的模型进行误差分析和预测检验，选取表中前6个子样进行建模，以G型机作为检验子样，并分析误差计算。用偏最小二乘回归方法建立的模型函数为CW=0.2615W0.0998V0.0083H0.1315T0.1418N0.0309L0.1934（ACL）0.1473。

G型机维修费用预测值为2.34亿美元，实际值2.07亿美元，误差为13.04%，精确度较高，说明运用偏最小二乘回归进行建模分析是可行的。

3 结论

将无人机区别于有人飞机的一个重要特征参数主控制级别纳入说明性变量，有助于提高无人作战飞机维修费用预测的精确性。由于无人作战飞机收集数据困难、样本容量少、自变量多，用传统的方法计算起来比较困难。由以上算例可以看出，在较少样本点的情况下利用偏最小二乘回归建模进行无人作战飞机维修费用预测是可行有效的。

【参考文献】

[1]张恒喜，朱家元，郭基联.军用飞机型号发展工程导论[M].北京：国防工业出版社，2004.

[2]李寿安，张恒喜，李东霞.基于偏最小二乘回归的军用飞机采购价格预测[J]. 海军工程大学学报.2005，17（4）：64～68.

[3]高劲松，陈哨东，邹庆元，等.美国无人机的自主性[J].国际航空杂志，2006，6： 20～21.

[4]郭广明，罗琴，赵志权.国外无人作战飞机的现状及发展趋势[R].中国无人机大会论文集，2014.

[责任编辑：王楠]