恐怖叛乱活动的时空极端事件建模
应用统计
2021-11-02 v2 机器学习
摘要
具有潜在致命后果的极端事件，例如恐怖组织策划的那些事件，本质上高度不可预测，并且对社会构成迫在眉睫的威胁。特别是，量化在任意时空区域发生恐怖袭击的可能性及其相对社会风险，将有助于采取知情措施以加强国家安全。本文针对袭击引入了一种新颖的自激发标记时空模型，其非齐次基线强度被写为协变量的函数。其触发强度通过高斯过程先验分布简洁地建模，以灵活捕捉任意袭击与先前恐怖事件之间复杂的时空依赖关系。通过推断该模型的参数，我们突出了可能发生袭击的特定时空区域。此外，通过以袭击造成的伤亡人数衡量其结果，我们引入了一种针对伤亡人数的新颖混合分布。该分布通过 Generalized ZipF 分布灵活处理低伤亡和高伤亡数量以及数据的离散性质。我们依赖定制的马尔可夫链蒙特卡洛 (MCMC) 方法来估计模型参数。我们用来自开源全球恐怖主义数据库 (GTD) 的、对应于 2013-2018 年阿富汗袭击的数据来说明该方法。我们表明，我们的模型能够在考虑各种感兴趣的协变量（如人口密度、所讲地区语言数量以及支持对立政府的人口密度）的情况下，预测 2019-2021 年未来袭击的强度。
引用
@article{arxiv.2110.08363,
title = {Spatio-temporal extreme event modeling of terror insurgencies},
author = {Lekha Patel and Lyndsay Shand and J. Derek Tucker and Gabriel Huerta},
journal= {arXiv preprint arXiv:2110.08363},
year = {2021}
}