在给定计数数据的情况下估计乌克兰的攻击概率

机器算法验证 计数数据 冒险 地质统计学 克里金法
2022-03-25 14:55:00

我正在查看乌克兰不同日子的一些攻击计数数据。数据是从 ACCLED 数据集中收集的,下面有一张图。图片显示了单个攻击,但我可以应用网格并计算每个区域中的攻击次数,以粗略估计给定网格单元内的频率。然而,我的目标是预测攻击地点附近区域的攻击概率轮廓。换句话说,如果攻击发生在特定的纬度、经度位置,那么在接下来的几天或几周内,周边地区的攻击风险就会增加。

在此处输入图像描述

我有时间序列数据,因此我可以在技术上查看给定区域及其相邻区域中事件随时间的上升和下降,并估计时间激发率和空间衰减率。但在我重新发明轮子之前,我认为这种过程的模型必须存在。

有谁知道我会用什么样的模型来做这样的事情?我还研究了 GeoStatistical 模型和克里金法——基本上将插值视为一种模拟点周围风险扩散的方法。一种想法是使用“Indicator Kriging”,其中一个事件单元格为 1,其他单元格为 0,然后对事件的概率进行克里格法。我还可以应用偏微分方程模型,基本上将计数“峰值”扩散和平流到相邻的地理区域。我可以使用时间序列数据来估计扩散和平流参数。所以有很多想法,但我只是想知道是否有人知道一些常见的方法。

2个回答

这不是一个答案,而是一个旁注:

请记住,新的攻击并不独立于以前的攻击。历史数据不一定与未来相关。可能值得用类似于幸存者偏见框架的术语来思考这个问题:基辅过去曾(未成功)受到攻击的事实并不一定会使它在未来更容易受到攻击,甚至可能是相反的方式周围,​​不值得进一步攻击,因为俄罗斯军队以撤退结束。但这种方法也有一个缺陷,因为它假设一个从错误中吸取教训的理性行为者,而俄罗斯不一定是一个理性行为者。我会谨慎使用历史数据进行此类推断。

有谁知道我会用什么样的模型来做这样的事情?
...
我只是想知道是否有人知道一些常见的方法。

您可能需要研究两种方法:

  1. “自激泊松过程”和类似的。在 Google/Scholar 上进行快速搜索会找到相当多的文献。
  2. “物种范围分布模型”。这会丢弃您的时间序列框架,但您可能会发现将地理空间特征与攻击关联起来很有趣,就像 Elith、Jane 等人所做的那样。“生态学家对 MaxEnt 的统计解释。” 多样性和分布17.1 (2011): 43-57。