恐怖襲擊是指極端分子或組織人爲製造的、針對但不只限於平民及民用設施的、不符合國際道義的攻擊行爲,它不只具備極大的殺傷性與破壞力,能直接形成巨大的人員傷亡和財產損失,並且還給人們帶來巨大的心理壓力,形成社會必定程度的動盪不安,妨礙正常的工做與生活秩序,進而極大地阻礙經濟的發展。html
恐怖主義是人類的共同威脅,打擊恐怖主義是每一個國家應該承擔的責任。對恐怖襲擊事件相關數據的深刻分析有助於加深人們對恐怖主義的認識,爲反恐防恐提供有價值的信息支持。git
附件1選取了某組織蒐集整理的全球恐怖主義數據庫(GTD)中1998-2017年世界上發生的恐怖襲擊事件的記錄(附件2是有關變量的說明,節譯自數據庫說明文檔,原文能夠在http://www.start.umd.edu/gtd/中下載,因爲該文檔較長,附件3提供了一個內容摘要),須要完成的任務以下:github
對災難性事件好比地震、交通事故、氣象災害等等進行分級是社會管理中的重要工做。一般的分級通常採用主觀方法,由權威組織或部門選擇若干個主要指標,強制規定分級標準,如我國《道路交通事故處理辦法》第六條規定的交通事故等級劃分標準,主要按照人員傷亡和經濟損失程度劃分。算法
但恐怖襲擊事件的危害性不只取決於人員傷亡和經濟損失這兩個方面,還與發生的時機、地域、針對的對象等等諸多因素有關,於是採用上述分級方法難以造成統一標準。請大家依據附件1以及其它有關信息,結合現代信息處理技術,藉助數學建模方法創建基於數據分析的量化分級模型,將附件1給出的事件按危害程度從高到低分爲一至五級,列出近二十年來危害程度最高的十大恐怖襲擊事件,並給出表1中事件的分級。數據庫
表1 典型事件危害級別優化
事件編號spa |
危害級別htm |
200108110012對象 |
|
200511180002blog |
|
200901170021 |
|
201402110015 |
|
201405010071 |
|
201411070002 |
|
201412160041 |
|
201508010015 |
|
201705080012 |
|
附件1中有多起恐怖襲擊事件還沒有肯定做案者。若是將多是同一個恐怖組織或我的在不一樣時間、不一樣地點屢次做案的若干案件串聯起來統一組織偵査,有助於提升破案效率,有利於儘早發現新生或者隱藏的恐怖分子。請大家針對在201五、2016年度發生的、還沒有有組織或我的宣稱負責的恐怖襲擊事件,運用數學建模方法尋找上述可能性,即將多是同一個恐怖組織或我的在不一樣時間、不一樣地點屢次做案的若干案件歸爲一類,對應的未知做案組織或我的標記不一樣的代號,並按該組織或我的的危害性從大到小選出其中的前5個,記爲1號-5號。再對錶2列出的恐襲事件,按嫌疑程度對5個嫌疑人排序,並將結果填入下表(表中樣例的意思是:對事件編號爲XX的事件,3號的嫌疑最大,其次是4號,最後是5號),若是認爲某嫌疑人關係不大,也能夠保留空格。
表2 恐怖分子關於典型事件的嫌疑度
|
1號嫌疑人 |
2號嫌疑人 |
3號嫌疑人 |
4號嫌疑人 |
5號嫌疑人 |
樣例XX |
4 |
3 |
1 |
2 |
5 |
201701090031 |
|
|
|
|
|
201702210037 |
|
|
|
|
|
201703120023 |
|
|
|
|
|
201705050009 |
|
|
|
|
|
201705050010 |
|
|
|
|
|
201707010028 |
|
|
|
|
|
201707020006 |
|
|
|
|
|
201708110018 |
|
|
|
|
|
201711010006 |
|
|
|
|
|
201712010003 |
|
|
|
|
|
對將來反恐態勢的分析評估有助於提升反恐鬥爭的針對性和效率。請大家依據附件1並結合因特網上的有關信息,創建適當的數學模型,研究近三年來恐怖襲擊事件發生的主要緣由、時空特性、蔓延特性、級別分佈等規律,進而分析研判下一年全球或某些重點地區的反恐態勢,用圖/表給出大家的研究結果,提出大家對反恐鬥爭的看法和建議。
大家認爲經過數學建模還能夠發揮附件1數據的哪些做用?給出大家的模型和方法。
特別提醒:本題做爲數學建模競賽題,特別強調數學的應用和建模過程的嚴謹性、創新性,結論應有充分、可靠的數據支撐。請參賽者務必正確理解題目需求,不要寫成議論文。
第一問採用層次分析法(比較low 當時是最後作的第一問 時間有些緊 只好硬着頭皮作了)
第二問採用聚類思想,選取對事件影響大的因素,用於聚類,具體基於K均值聚類算法提出多層次深度聚類(參考文獻:基於和聲搜索算法優化支持向量機的突發暴恐事件分級研究 )
注:當時是查閱參考文獻來選取的因素,比賽結束後,跟別人討論深受啓發,其實能夠根據信息增益來選取影響因素的top-m,這樣更有說服力,並且效果可能更好
第三問是本論文的最大創新之處,基於歷史數據,構造事件的時間序列,最後根據時間序列挖掘中的ARIMA模型來預測將來事件發生狀況 參考:http://www.javashuo.com/article/p-usuxdxbk-bc.html
影響因素採用針對特定事件進行具體特定分析,時間有點久了,有些具體的不太記得啦(^ _ ^)
第四問屬於開放性試題,當時我想到的模型是採用圖模型,構建事件圖結構,基於度等因素來挖掘信息(繪製圖結構:http://www.javashuo.com/article/p-zsbxeepg-bq.html)
論文以及處理過程的數據還有代碼都在個人git上:https://github.com/xinglicha0/Mathematical-Modeling