第35卷第2期2020年4月
系统工程学报
浑似JOURNAL OF SYSTEMS ENGINEERING
V ol.35No.2
Apr.2020蓬莱松的养殖方法>不及格的代价
基于LSTM模型的恐怖袭击事件发生时间预测
本的组词罗澜峻1，祁超1∗，王红卫1，王雷2
(1.华中科技大学管理学院，湖北武汉430074;
2.中国刑事警察学院治安学系，辽宁沈阳110854)
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
小学英语网
长篇大论的意思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.
微信理财
关键词：恐怖袭击事件；预测；长短时记忆；神经网络
中图分类号:X913.4/TP183文献标识码:A文章编号:1000−5781(2020)02−0163−10
doi:10.ki.j.2020.02.003
Prediction of terrorist attack events time bad on LSTM model
Luo Lanjun1,Qi Chao1∗,Wang Hongwei1,Wang Lei2
(1.School of Management,Huazhong University of Science and Technology,Wuhan430074,China;
2.Department of Public Security,China Criminal Police College,Shenyang110854,China)一周岁生日祝福语
Abstract:In view of frequent occurrence of terrorist attacks in some areas,this paper propos a time pre-diction method for terrorist attack events bad on long short-term memory(LSTM)neural network models.
Firstly,it propos an evolution model of terrorist attack events,and analyzes the phenomenon of the short-term rapid increa of terrorist attack events in some local areas.Secondly,bad on this evolution model,the paper extracts17indicators reprenting the characteristics of terrorist attacks from the global terrorism databa and builds a LSTM model for prediction.An experimental analysis is conducted using the data of terrorist attacks in Iraq from September2001to the end of2016.The experimental results verify the performance of the propod LSTM-bad prediction method on short-term prediction of the occurrence times of terrorist attack events.
Key words:terrorist attack events;prediction;long short-term memory;neural network
1引言
恐怖袭击是一类意图通过反人道的暴力方式制造大范围恐慌并达成激进政治、经济、社会或宗教目的的突发社会安全事件[1].恐怖袭击事件在发生时通常比普通的刑事犯罪案件更具突发性与破坏性，造成巨大的生命和财产损失，带来严重的社会负面影响.同时，恐怖袭击事件还存在一定程度的自激现象[2]，袭击造收稿日期:2018−07−30；修订日期:2019−04−08.
基金项目：国家重点研发计划资助项目(2017YFC0803300)；国家自然科学基金资助项目(71974067)；辽宁省社会科学基金重点资助项目(L18AGL003)；辽宁省重点研发计划资助项目(20172
31005).
*通信作者
