民主制度的轨迹感知可靠性建模
机器学习
2026-05-18 v2 计算机与社会
摘要
复杂系统中的故障往往通过逐渐退化以及应力在交互组件间的传播而产生，而非源于孤立冲击。民主制度表现出类似的动力学特征，其中弱化的制度可能引发相关制度结构的级联退化。传统的可靠性与生存模型通常基于当前系统状态来估计故障风险，但并未明确捕捉退化如何随时间在制度网络中传播。本文引入了一个基于动态因果神经自回归（DCNAR）的轨迹感知可靠性建模框架。该框架首先估计制度指标间的因果交互结构，然后对其联合时序演化进行建模，以生成系统状态的前向轨迹。故障风险被定义为预测轨迹在固定时间范围内越过预定义退化阈值的概率。利用纵向制度指标，我们将基于 DCNAR 的轨迹风险模型与离散时间风险模型和 Cox 比例风险模型进行了比较。结果表明，轨迹感知建模始终优于 Cox 模型，并改善了对若干传播驱动的制度失效的风险预测。这些发现突显了为进行可靠性分析和系统性退化的早期检测而对动态系统交互进行建模的重要性。
引用
@article{arxiv.2604.20127,
title = {Trajectory-Aware Reliability Modeling of Democratic Systems},
author = {Dmitry Zaytsev and Valentina Kuskova and Michael Coppedge},
journal= {arXiv preprint arXiv:2604.20127},
year = {2026}
}