CostPrediction/docs/dev/requirements.md

项目需求

项目名称

• 装备成本估算系统

系统功能

1. 根据装备技术参数进行成本估算
2. 采用神经网络模型，使用现有数据进行训练，然后对新装备进行成本估算

技术要求

1. 数据相关性分析： （1）方差分析：采用按照不同的标签类别将特征划分为不同的总体，然后判断总体之间均值是否相同 (或者是否有显著性差异) （2）线性相关分析：对于特征和标签皆为连续值的回归问题，要检测二者的相关性，最直接的做法就是求相关系数rxy，本质是建立协方差矩阵，分析数据和成本之间相关关系的类型和程度，筛选出影响特征 （3）互信息 (mutual information)： 用于特征选择，可以从两个角度进行解释：(1)、基于 KL 散度和 (2)、基于信息增益。
2. 数据一致性分析：对特征数据分层分组，计算组内一致性,目标是选择比较合适的一组数据，以此产生一个进行成本估算和分析的虚拟量.大部分的研究中报告的三个数据：rwg、ICC(1)、ICC(2)，要符合3个条件，rwg>0.7、ICC(1)>0.05、ICC(2)>0.5 RWG值：打分一致性； ICC1：组内一致性； ICC2：组间一致性。
3. 回归模型：偏最小二乘回归(partial Least Squares，PLS)
4. 神经网络模型：采用适用的神经网络模型

数据准备

建议补充数据的优先级（火箭弹）：

1. 第一优先级（射击性能相关）：
   • rate_of_fire (射速)
   • rocket_weight_kg (火箭弹重量)
   • max_range_km (最大射程)
2. 第二优先级（火力性能相关）：
   • firing_angle_horizontal (方向射界) firing_angle_vertical (高低射界)
   • rocket_length_m (火箭弹长度)
3. 第三优先级（机动性能相关）：
   • min_range_km (最小射程)
   • power_hp (功率)