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。
更新日期/Last Update: 2019-05-07