|本期目录/Table of Contents|

基于机器学习和脆弱国家指数的全球恐怖袭击预测研究(PDF)

灾害学[ISSN:1000-811X/CN:61-1097/P]

期数:
2019年02期
页码:
211-214
栏目:
探索．青年与灾害
出版日期:
2019-04-20

文章信息/Info

Title:
-
作者:
邱凌峰; 胡啸峰; 顾海硕; 等
Author(s):
-
关键词:
恐怖袭击; 脆弱国家指数; 机器学习; 回归预测
分类号:
TP181；X45
DOI:
-
文献标识码:
A
摘要:
恐怖袭击在全球范围内频发，针对恐怖袭击的预警及防控研究十分必要。利用2006-2016年脆弱国家指数及全球恐怖主义数据库（GTD），基于多种机器学习模型，对全球各国家遭受恐怖袭击的风险进行回归预测。结果表明，随机森林、K近邻及决策树模型表现最优，其拟合优度的确定系数R2达到了0.75、0.74和0.67。随机森林预测结果总体符合实际情况，尤其在恐怖袭击高发的中东和中亚地区预测较为准确。根据特征重要性排序结果，安全机构、公共服务、人权法治和集团之间的矛盾对预测结果的刻画能力最强。

参考文献/References

备注/Memo

备注/Memo:
更新日期/Last Update: 2019-05-07