及时准确地预测敌方部队的机动路径是军事行动中的关键能力,然而传统方法在处理稀疏、不确定数据时往往缺乏足够的粒度或适应性。本文提出了一种概率等时线框架,用于基于稀疏的侦察报告来估算军事部队的未来位置。该方法构建了移动距离的连续概率密度函数,并由此推导出梯度预测区。利用2022年俄罗斯乌克兰冲突的真实世界数据进行验证,评估了实际未来位置位于预测环内的比例以及本方法的均方根误差。结果表明,该方法能产生可靠的空间不确定性边界,并提供可解释的预测性见解。此概率等时线方法可对现有的等时线映射和敌方建模系统形成补充,并在军事决策支持中展示了模拟、空间分析和不确定性量化的新颖融合。未来的工作将集成模拟以增强预测的保真度。

成为VIP会员查看完整内容
1

相关内容

军事防务数据板块介绍:系统化采集、存储、管理、分析与军事国防安全相关信息的专用数据板块,其核心在于整合全球新兴国防技术(军事人工智能、无人系统等)、热点案例(俄乌战争、美以伊战争)等方面的最新时讯、研究报告/论文、条令法规、案例分析,为战略研判、情报分析、决策支持等提供知识支撑。
VIP会员
最新内容
乌军利用美国“黄蜂”无人机摧毁俄军后勤
专知会员服务
1+阅读 · 53分钟前
【伯克利博士论文】基于动作分块策略的强化学习
Transformer增强强化学习:通信网络基础与应用综述
ICML 2026 | SARDI:扩散语言模型的自增强检索
专知会员服务
5+阅读 · 6月6日
《国防领域安全采用大语言模型的战略蓝图》
专知会员服务
9+阅读 · 6月6日
ICML 2026 | 演化选择的因果建模
专知会员服务
10+阅读 · 6月5日
综述|学习式3D表征最新进展与趋势
专知会员服务
7+阅读 · 6月5日
微信扫码咨询专知VIP会员