基于机器学习和脆弱国家指数的全球恐怖袭击预测研究

• 作者: 唐正 沈兵 胡啸峰 邱凌峰 郑超慧 顾海硕
• 来源期刊: 灾害学
• 学科: 地球科学
• 关键词: 恐怖袭击 脆弱国家指数 机器学习 回归预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 探索·青年与灾害
• 页码范围: 211-214
• 页数: 4页
• 分类号: TP181|X45|X9|X915.5
• 字数: 3789字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-811X.2019.02.038

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.