基于改进神经网络的恐怖袭击风险预警系统

为提高恐怖袭击应急管理的效率,设计了恐怖袭击的风险评估和预测系统。评估模型通过因子分析方法计算各类目标的相对风险指数,评估指标包含"威胁"、"脆弱性"、"后果"三大因素,具体数据从全球恐怖主义数据库(GTD)中进行采集。预测模型通过神经网络实现风险指数的预测,由于BP神经网络的梯度下降算法收敛较慢且易陷入局部最优点,因此利用遗传算法对神经网络的初始权值阈值进行优化,并提高预测精度。最后,对GTD数据库中的21类主要袭击目标进行算例分析,验证了该模型的可行性和准确性,同时还根据这些目标的风险指数进行原因分析和策略建议。