现代高技术条件下，对行为结果进行预测正作为指挥管理过程中的重要一环，以保证领导层做出的决定具有效力。在指挥实践中，为准确预测行动结果，数学建模的方法最常被使用，建模分析被认为是对复杂系统状态进行预测最客观最可靠的方式。这一规则在军事领域也不例外。近年来，军事预测已成为军事科学和实践领域的中心课题之一，俄军向来对此高度重视。因此，在军队作出重大决策前，俄罗斯武装力量总参谋部作战总局总是要借助数学建模对战场态势进行全方位的分析，这一任务主要由俄罗斯军工企业综合体和包括俄国防部第27中央研究院在内的俄国防部下属的科研院所完成。

俄军军事模型系统的发展历程

自上世纪60年代起，即俄军指挥信息化进程的最初期，俄国防部第27所就已着手研究建模预测问题。在俄国防部组织下，该研究所的专家们开展了军事行动的数学计算和模型建立的研发以及对它们在军队指挥机构中实际运用进行探索性论证的工作。这项工作从1970年一直持续到1980年，初步完成了俄军战役和作战行动的一整套数学模型的创建工作。

从组织上看，俄国防部第27所的数学和软件特别中心全由军事高科技创新系统构成，且有超过350名军官和文职人员在这里工作。更新升级过的实验创新基地使该中心的专家能够在短时间内研发出软件并构建系统原型，且功能和特性不亚于外国的尖端产品。

在对集团军采取军事行动进行建模时，目的是对集团军的作战方案进行规划，并在全过程中按计算机制定的战役计划行动。在这项实验中获得了一系列重要成果。由俄军方科学家和其他一些专家组成的团队完成了一系列用于发展军队（力量）集团作战行动建模的科学教学法设备的关联性研究，终于在1994年成功创建并验证了用于前线作战行动的数学模型。该模型在很长一段时间内都为军事指挥机关决策、集团军进行战役、战役战略和战役行动时提供支持，也在规划各战区的军队（力量）集团战略打击和兵力运用中作为客观评价手段使用。

上世纪90年代末，俄国防部第27研究所研发了新一代诸兵种合同作战的数学模型，该模型将作战各方的情报上传到电子地图中，对敌方的全部活动进行分析。

随着经验的积累和科学技术的发展，俄罗斯技术人员逐渐意识到有必要将一系列不相关的信息计算问题和数学模型向创建一套完整的涵盖建模和应用模型的技术部门的军事数学建模系统进行转换，职能包括军队建设规划、兵种和指挥部训练、兵力运用规划等。27所这一时期的研究成果主要有：形成了建立军事行动数学模型结构的规则，构建了完备的软件技术环境，为使军事数学模型的功能与兵力规划运用和军事准备相适应，还组织了专门的干部培训。

军事建模预测系统从结构上包括：组织调度部分，直接运用建模工具并形成数学模型部分，软件的研发和使用以及培训部分。在系统内，存在两种使用数学模型和建模计算综合体的主要方法，综合体由部队指挥自动化系统和数学建模中心在内的内置作战结果预测系统构成。这些方法的确定是基于在准备和进行作战行动的过程中运用数学模型的经验分析得出的。模型的审定核准及软件原型的确定在参谋部下属的数学模型军官团队牵头下完成。俄国防部每年都会组建这类团队，为作战行动的准备和实施全过程提供数据计算分析支持。

建模预测在军事中的实际运用

2015-2017年多模型综合体原型的研发标志着俄军向创建军事行动模型预测系统迈出了实际的一步，该综合体将联合作战指挥控制系统和俄军军兵种作战行动的数学模型进行了整合。

首先，根据俄军总参谋部作战局的命令，27所研发的多模型综合体在俄军“高加索-2016”军事演习中被首次使用。多模型综合体的原型在战略指挥参谋部演习的准备和实施过程中得到运用，其按照不同的运算模式确保了对部队跨军兵种联合作战行动结果的精准预测。

在演习中，多模型综合体原型的主要使用地点就是传统上隶属于俄军司令部的数学建模小队。使用原型的目的是为了预测落实由军事指挥机构演训人员制定的作战意图后可能产生的后果。为向俄军总参谋部的决策者们提供计算分析支持，在“高加索-2016”军事演习中使用该综合体需根据各种战场态势建立不同的军事数学模型。

同时，在此次军演中，俄军首次成立了编外军事建模中心，该机构为演习领导层和军事指挥机构演训人员工作的正常运转提供强有力保障。编外模型中心由俄国防部和俄军工企业的代表组成。中心的分析结果显示，在军事行动区域内进行建模是必要的，吸收军工企业加入会大幅降低行动效率，而俄国防部现有的科学技术水平以及当前数学模型的研发能力又无法完全满足军事指挥机构决策时应需要的复杂数据计算和分析需求。

根据俄武装力量总参谋长的命令并在俄联邦武装力量作战总局的领导下，在2017年“西部-2017”联合战略军事演习中，军事行动建模中心被首次创建并在俄罗斯联邦武装力量作战筹划局计算科研训练中心中作为建模分布式系统的一部分得到运用。军事行动建模中心由俄罗斯国防部第27研究所的军官、俄罗斯联邦武装力量计算中心的主要领导、俄罗斯国防部下属的科研机构和军校的一些研究人员以及军工企业的专家代表组成。为进行计算和建模他们使用了大量的软件，以使数学模型更贴近现实，将数学运算与建模的冲突向模型化、可应用化和模型质量可靠化方向转化。

军事行动建模中心的工作是严格按照规定组织的，包括从中心成员中抽调精干力量组建行动小队，直接为军事指挥机构的演训人员提供建模服务，以保障首长参谋部演训活动顺利进行。行动小队改进了用于建模和任务应用的一些初始数据，并通过保密的通讯频道将其传输到中心。中心收到来自一线的建模需求时，将任务分配给建模人员，而后由建模人员组成的行动小队对数学建模得出的结果进行解释整理，而后将其提供给军事行动决策者。在建模过程中，如有需要，还可以对任务和初始数据进行调整修改。

同时，中心还建立了其它数学模型以评估首长参谋部演训人员的决策质量，并在协助军事指挥机构演训人员解决复杂问题的框架内提供运算支持。

根据俄罗斯联邦武装力量总参谋部作战总局的决定，在“东方-2018”军事演习中继续对军事行动建模系统各部分进行测试——需要指出的是，此次测试所有的计算和分析工作均由该中心的人员独立完成，没有军工企业的专家代表参与。

对在不同领导管理级别运行的建模中心的表现分析显示，在“高加索-2016”，“西部-2017”和“东部-2018”军事演习期间的模型结构和之前所有的军事行动准备阶段的所建立的模型结构都存在着明显差异。

一、在组建建模小队前部分任务已完成：软件原型的测试任务、对军事对抗的一些个别情况的建模任务，所以在“高加索-2016”，“西部-2017”和“东部-2018”的军事演习中关于战争进程和当前战役结果预测的综合性问题就更容易解决。

二、模型的开发和任务的制订是由建模中心和俄国防部第27所的专家和军工企业的研发人员组织实施的，这些军工企业的人员非常了解程序的功能特性，可以迅速输入并对初始数据进行修正，生成最终的汇总运算结果。这样就可以将任务确定为一般意义上的计算和数学模型问题，使部队能在情报不完整的情况下继续作战并提升军事预测的准确性。

三、作为军事任务的完成者，模型的使用者——军事行动决策人员对模型的功能特性和应用范围的了解的深入，使模型在不同的具体情况中都能发挥最大效能，确保了预测结果的可靠性。尽管在某些情况下会根据不同的模型和任务复杂程度进行数据的输入和导出，但其内置的各种应用程序能够简化该过程。

弥补不足，前景广阔

当然，军事行动建模中心的实际工作中也存在一些问题。其主要表现为中心内部的模型和任务，部队自动化指挥系统的软件设备和模型的使用者之间数据交换的组织架构不合理的。具体可分为以下三方面：

第一个问题是在单独开发的系统中运用大量的信息支持，主要是字符和分类器，在某些情况下这些数据信息会相互干扰，从而导致复写的情况发生。这时需要大量的人工手动输入，对信息进行修正调整。这就使计算和建模初始数据的输入时间大幅增加。但是这类问题大多数可以通过组织方法或者在建模软件的开发和针对单个技术任务的交互协议的开发过程中得到解决。

第二个问题不仅对建模中心专业支持系统适用，对任何专业系统来说都存在，那就是作为需求者的军队指挥决策人员对所使用模型的功能和用途了解不足，无法充分利用优势资源。但是，俄军正在作战准备阶段组织人员进行系统化的使用应用程序培训，这个问题也就不再有意义。

第三个问题与俄罗斯国防部缺乏对现有军事软件进行系统化维护的考虑有关。算法和程序库没有被进行适当的维护，从而导致其在实际应用中出现问题。由于当前的数据库不支持建模软件，这就需要重新录入数据信息，花费大量时间。当前俄国防部也已注意到这一问题，并正在采取措施解决。

需要指出的是，俄军的数学模型、信息和计算任务主要用于评估已经做出的决策，而不是在决策阶段为最佳（合理）方案提供建议。军队指挥机构的首长仍有责任和义务制定各种作战方案并对兵力的运用作出最佳决策。

在“高加索-2016”、“西部-2017”和“东部-2018”军事演习中将军事行动建模中心投入使用的做法清晰表明了俄军发展数学模型预测系统的决心。可以预见，俄军创建的先进的军事数学模型交互中心将成为未来军事行动中的“骨干”，可为军事（作战）行动提供高效的分布式系统保障，将极大程度地提高决策在军事指挥全过程的客观性。

为更加准确地预测军事行动，俄军还计划建立一个专门的咨询顾问机关，包括军事指挥机构、俄罗斯国防部的专门研究机构（军事院校）、自动化控制和通信系统的首席设计师以及军工企业代表在内的各领域专家。在该机关牵头下，将开展全方位多领域的科学研究，以开发新的建模软件并发布必要的指导性技术法规文件，对已开发的建模设备进行测试，将验收合格的模型系统和决策支持系统装备部队等等，这一系列措施将切实提高俄军指挥机构决策的效力。（安洪若 刘鸿旭 肖仲麟 肖伯麒）

声明：本文来自光明军事，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。