基于LSTM模型的恐怖袭击事件发生时间预测

• 作者: 王红卫 王雷 祁超 罗澜峻
• 来源期刊: 系统工程学报
• 学科: 工学
• 关键词: 恐怖袭击事件 预测 长短时记忆 神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 建模与预报
• 页码范围: 163-172,243
• 页数: 11页
• 分类号: X913.4|TP183
• 字数: 7491字
• 语种: 中文
• DOI: 10.13383/j.cnki.jse.2020.02.003

摘要

针对部分地区恐怖袭击短期内频发的问题,提出了基于长短时记忆(LSTM)神经网络模型的恐怖袭击事件发生时间预测方法.首先,建立了恐怖袭击事件演化模型,对局部地区存在的恐怖袭击事件短期内数量剧增现象进行了分析.其次,以演化模型为基础从全球恐怖主义数据库(GTD)中提取出17项代表恐怖袭击事件特性的指标,并构建了用于预测的LSTM模型.采用伊拉克2001年9月至2016年底的恐怖袭击事件数据进行实验分析.结果表明,基于LSTM的预测方法能够较准确的预测短期内恐怖袭击事件的发生时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红卫	华中科技大学管理学院	118	2099	22.0	41.0
2	祁超	华中科技大学管理学院	19	132	7.0	11.0
3	王雷	中国刑事警察学院治安学系	25	54	4.0	6.0
4	罗澜峻	华中科技大学管理学院	2	1	1.0	1.0