基于机器学习的恐怖袭击事件后果预测方法研究

• 作者: 胡啸峰 邱凌峰 韩昕格
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 恐怖袭击 机器学习 后果预测 随机森林 岭回归
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 特邀专栏:2019年中国公共安全大会推荐论文
• 页码范围: 175-181
• 页数: 7页
• 分类号: X913.4
• 字数: 5513字
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2020.01.029

摘要

恐怖袭击事件通常会造成严重的人员伤亡、财产损失和社会影响,针对在不同场景下发生恐怖袭击所造成的后果进行预测是目前应对恐怖袭击事件急需解决的问题之一.利用多源数据,首先基于随机森林算法对恐怖袭击事件是否造成死伤进行分类预测,进而基于岭回归算法预测事件造成的具体死伤人数.研究结果表明:随机森林在测试集上对有死伤事件的召回率达到0.85,岭回归预测死亡和受伤人数的平均绝对误差分别小于1人和2人.研究结果可为反恐资源配置优化、预防恐怖袭击事件和减少其造成的损害提供辅助决策支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱凌峰		2	2	1.0	1.0
5	韩昕格		1	0	0.0	0.0
6	胡啸峰		2	0	0.0	0.0