海军武器装备的使用环境复杂多变，海洋环境中各种气象水文要素对海军武器装备的作战效能影响显著，这使得对海洋环境影响下武器装备效能的评估成为了一项非常具有挑战性的工作。目前常用的武器效能评估方法有专家评定法、作战仿真评估法、试验统计法以及解析评估法等。对于海洋环境影响下武器装备作战效能的评估问题，首先影响武器装备作战效能的海洋气象水文要素众多，且影响机理较为复杂;其次上述评估方法大都为线性模型，且评估过程受人为因素影响较大，已无法满足本文研究课题的需要。所以，如何建立客观高效的非线性评估模型对于海洋环境下武器作战效能的评估问题具有重要的研究价值。　　海洋环境下武器装备作战效能评估问题具有小样本、非线性和高维度等特性。支持向量回归机基于VC维与结构风险最小化原理，能够较好地处理武器效能评估中出现的小样本、非线性和高维度的问题。本文首先基于ε-支持向量回归机和ν-支持向量回归机建立了武器效能评估模型，但标准的ε-支持向量回归机和ν-支持向量回归机对每个样本公平对待，而实际中的样本数据可能存在重要性的差别，例如，由于操作不当或者检测设备的限制，样本中存有一些噪声点或野点，这些噪声点和野点会使得支持向量回归机对效能的评估精度下降。针对这一问题，本文进一步将模糊ε-支持向量回归机和模糊ν-支持向量回归机应用到武器作战效能评估问题中，提出一种根据样本与所有测试样本在高维特征空间的欧氏距离之和的大小来确定每个样本模糊隶属度的方法，从而体现不同的样本对决策函数学习的贡献率差异。实验表明，对于样本中存在野点和噪声的回归问题，模糊处理将提升模型的评估精度。　　此外，在运用支持向量回归机算法求解问题的过程中，参数优选也是一个需要重点考虑的问题。本文采用粒子群算法来解决这一问题，并通过实验验证了粒子群算法对于解决本系统模型参数优选问题的可行性以及性能表现。　　同时，本文介绍了本系统所涉及的开发环境及主要技术，详细阐述了.NET框架及ADO.NET数据库访问技术。接着基于对武器效能评估模型的理论分析，对武器效能评估系统的结构进行了UML建模，并详细分析了系统的用例模型和结构模型。然后结合本文设计的模糊支持向量机类库以及粒子群算法类库，实现了系统中的基础数据管理模块、军事行动管理模块、谷歌地图模块以及模型训练、模型评估和效能评估模块中的模糊支持向量机部分。最后对本文所做的工作进行了总结。