随着军事技术的发展,现代化战争逐渐展现出多样化的和全方面的趋势,空军将担负起攻击重要敌对目标以及与海、陆军协同作战等重要攻坚任务。其表现出的参战机种之多、战争时间之短、弹药消耗之大,显著增加了航空弹药供应保障的强度和难度。为适应信息化战争,有效地发挥出空军的作战能力,需要及时、准确、充足的航空弹药供应保障。本文对航空弹药供应保障模型及决策支持系统进行了研究,分别从航空弹药消耗、存储、调运三个维度构建航空弹药保障系统,在此基础上,本文进一步研究了航空弹药保障决策支持系统的总体设计框架。首先,本文结合航空弹药训练消耗的特点,将邻域粗糙集(NRS)与变异粒子群算法(MPSO)融入深度神经网络(DNN)研究航空弹药消耗预测问题。通过邻域粗糙集属性约简消除冗余信息,并以此训练集运用深度神经网络进行回归学习。通过变异粒子群算法参数寻优得到网络各层最优的权值和阈值,进而构建NRS-MPSO-DNN融合的航空弹药消耗预测模型。在对航空弹药训练消耗的实证研究表明,本文构建的NRS-MPSO-DNN组合模型预测结果与实际数据吻合度较高,且与其它预测模型相比具有更好的预测性能。其次,本文针对航空弹药存储布局优化问题,综合考虑到航空弹药保障Agent和作战部队需求Agent的独立性以及指挥Agent的协同作用,基于Multi-Agent方法建立同时考虑多种因素共同影响的航空弹药存储布局优化模型,并通过合作竞争博弈理论得到了各种因素对目标问题的影响权重。最后,本文通过染色体分段编码并结合优序数法对传统遗传算法进行改进,从而满足对不同量纲的多目标优化问题的求解。本文构建的模型能够同时确定航空弹药储存点布局最优组合以及每个储存点的航空弹药储备量,并且针对平时和战时环境的不同,对平时常用储存点和战时备用储存点进行区分。仿真结果表明,本文提出的航空弹药储存点布局优化模型可以协同各部门的意见,从成本、安全和时间多个角度为航空弹药保障提供更加合理的布局决策。再次,本文针对航空弹药调运决策问题,综合考虑交通状况和敌方攻击情况等不确定性因素以及各航空弹药保障部门之间的协同作用,通过贝叶斯决策网络模型结合Multi-Agent方法建立具有动态特征的航空弹药调运决策模型。将道路的交通状况和敌方攻击的情况转化为路段通行时间的大小,通过Floyd-Warshall算法基于多源最时间短路径问题对模型进行求解,得到了航空弹药最优运输路径以及参与调配的储存点组合。仿真结果表明,与传统的模型相比,本文提出的航空弹药动态调运决策模型可以根据作战情况及时调整调运决策,并且根据具体的环境和调运决策确定不同的航空弹药运输供应方式,从而为作战部队提供及时的保障。最后,依据航空弹药保障研究内容的特点,从设计背景、设计目标、设计原则、设计内容,系统组成与结构等角度给出航空弹药保障决策支持系统的总体框架,并着重研究数据库设计、模型库设计以及人机交互界面设计。对于数据库设计,采用大数据挖掘技术构建航空弹药大数据中心,包括弹药消耗预测数据库、存储方案数据库以及调运方案数据库。对于模型库设计,通过对传统模型从选择流程的角度进行调整,以提高模型搜索效率,实现模型的自动选择。最后,针对人机交互界面的研究现状,归纳总结其设计理念,在此基础上制定人机交互界面的总体技术架构。总之,本文对航空弹药供应保障模型及决策支持系统进行了深入研究,建立了航空弹药消耗预测模型、存储布局优化模型以及调运决策优化模型,并深入探讨了决策支持系统数据库的构建、模型库的改良以及人机交互界面的设计。本文对于切实提高航空弹药保障效率具有较高的理论参考意义和实践指导价值。