使用马尔可夫模型预测非洲暴力升级和降级

IF 1.5 3区 社会学 Q2 INTERNATIONAL RELATIONS International Interactions Pub Date : 2022-03-17 DOI:10.1080/03050629.2022.2049772
David Randahl, J. Vegelius
{"title":"使用马尔可夫模型预测非洲暴力升级和降级","authors":"David Randahl, J. Vegelius","doi":"10.1080/03050629.2022.2049772","DOIUrl":null,"url":null,"abstract":"Abstract This contribution to the ViEWS prediction competition 2020 proposes using Markov modeling to model the change in the logarithm of battle-related deaths between two points in time in a country. The predictions are made using two ensembles of observed and hidden Markov models, where the covariate sets for the ensembles are drawn from the ViEWS country month constituent models. The weights for the individual models in the ensembles were obtained using a genetic algorithm optimizing the fit on the TADDA-score in a calibration set. The weighted ensembles of visible and hidden Markov models outperform the ViEWS prediction competition benchmark models on the TADDA score in the test period of January 2017 to December 2019 for all time steps. Forecasts until March 2021 predict increased violence primarily in Algeria, Libya, Tchad, Niger, and Angola, and decreased or unchanged levels of violence in most of the remaining countries in Africa. An analysis of the model weights in the ensembles shows that the conflict history constituent model provided by ViEWS was dominant in the ensembles. Esta contribución a la competencia de predicciones 2020 del Sistema de Alerta Temprana de Violencia (Violence Early Warning System, ViEWS) propone utilizar la modelización de Márkov para elaborar un modelo del cambio en el logaritmo de las muertes relacionadas con batallas entre dos puntos temporales en un país. Las predicciones se elaboran con dos conjuntos de modelos observados y ocultos de Márkov, en los que los grupos de covariables de los conjuntos se obtienen de los modelos constituyentes mensuales de los países del ViEWS. La relevancia de los modelos individuales en los conjuntos se obtuvo mediante un algoritmo genético que optimiza el ajuste de la puntuación TADDA en un grupo de calibración. Los conjuntos ponderados de los modelos visibles y ocultos de Márkov superan los modelos de referencia de la competencia de predicciones del ViEWS en relación con la puntuación TADDA (Distancia absoluta orientada con aumento de dirección) en el período de prueba de enero de 2017 a diciembre de 2019 para todos los intervalos de tiempo. Las predicciones hasta marzo de 2021 pronostican un aumento en la violencia principalmente en Argelia, Libia, Chad, Níger y Angola, y niveles de violencia disminuidos o sin variaciones en la mayoría de los países restantes en África. Un análisis de la relevancia de los modelos en los conjuntos demuestra que los modelos constituyentes de la historia de conflictos que proporciona el ViEWS fueron dominantes en dichos conjuntos. Cette contribution au concours de prévision ViEWS (Violence early-warning system, système d’alerte précoce sur la violence) 2020 propose d’utiliser la modélisation de Markov pour modéliser l’évolution du logarithme des décès liés aux conflits entre deux moments de l’histoire d’un pays. Les prédictions sont effectuées à l’aide de deux ensembles de modèles de Markov cachés et de modèles de Markov observés, et les jeux de covariables de ces ensembles sont tirés des modèles constituants par mois et pays du système ViEWS. Les pondérations des modèles individuels des ensembles ont été obtenues en utilisant un algorithme génétique optimisant l’ajustement sur le score TADDA (Distance absolue ciblée avec augmentation de direction) dans un jeu de calibration. Les ensembles pondérés de modèles de Markov visibles et cachés sont plus performants que les modèles de référence du concours de prédiction ViEWS pour ce qui est du score TADDA de la période de test de janvier 2017 à décembre 2019, et ce pour tous les pas de temps. Les prévisions jusqu’à mars 2021 ont permis de prédire une augmentation de la violence principalement en Algérie, en Libye, au Tchad, au Niger et en Angola, et une diminution ou un maintien des niveaux de violence dans la plupart des autres pays d’Afrique. Une analyse des pondérations des modèles dans les ensembles montre que le modèle constituant basé sur l’histoire des conflits fourni par ViEWS serait dominant dans les ensembles.","PeriodicalId":51513,"journal":{"name":"International Interactions","volume":"48 1","pages":"597 - 613"},"PeriodicalIF":1.5000,"publicationDate":"2022-03-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":"{\"title\":\"Predicting escalating and de-escalating violence in Africa using Markov models\",\"authors\":\"David Randahl, J. Vegelius\",\"doi\":\"10.1080/03050629.2022.2049772\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Abstract This contribution to the ViEWS prediction competition 2020 proposes using Markov modeling to model the change in the logarithm of battle-related deaths between two points in time in a country. The predictions are made using two ensembles of observed and hidden Markov models, where the covariate sets for the ensembles are drawn from the ViEWS country month constituent models. The weights for the individual models in the ensembles were obtained using a genetic algorithm optimizing the fit on the TADDA-score in a calibration set. The weighted ensembles of visible and hidden Markov models outperform the ViEWS prediction competition benchmark models on the TADDA score in the test period of January 2017 to December 2019 for all time steps. Forecasts until March 2021 predict increased violence primarily in Algeria, Libya, Tchad, Niger, and Angola, and decreased or unchanged levels of violence in most of the remaining countries in Africa. An analysis of the model weights in the ensembles shows that the conflict history constituent model provided by ViEWS was dominant in the ensembles. Esta contribución a la competencia de predicciones 2020 del Sistema de Alerta Temprana de Violencia (Violence Early Warning System, ViEWS) propone utilizar la modelización de Márkov para elaborar un modelo del cambio en el logaritmo de las muertes relacionadas con batallas entre dos puntos temporales en un país. Las predicciones se elaboran con dos conjuntos de modelos observados y ocultos de Márkov, en los que los grupos de covariables de los conjuntos se obtienen de los modelos constituyentes mensuales de los países del ViEWS. La relevancia de los modelos individuales en los conjuntos se obtuvo mediante un algoritmo genético que optimiza el ajuste de la puntuación TADDA en un grupo de calibración. Los conjuntos ponderados de los modelos visibles y ocultos de Márkov superan los modelos de referencia de la competencia de predicciones del ViEWS en relación con la puntuación TADDA (Distancia absoluta orientada con aumento de dirección) en el período de prueba de enero de 2017 a diciembre de 2019 para todos los intervalos de tiempo. Las predicciones hasta marzo de 2021 pronostican un aumento en la violencia principalmente en Argelia, Libia, Chad, Níger y Angola, y niveles de violencia disminuidos o sin variaciones en la mayoría de los países restantes en África. Un análisis de la relevancia de los modelos en los conjuntos demuestra que los modelos constituyentes de la historia de conflictos que proporciona el ViEWS fueron dominantes en dichos conjuntos. Cette contribution au concours de prévision ViEWS (Violence early-warning system, système d’alerte précoce sur la violence) 2020 propose d’utiliser la modélisation de Markov pour modéliser l’évolution du logarithme des décès liés aux conflits entre deux moments de l’histoire d’un pays. Les prédictions sont effectuées à l’aide de deux ensembles de modèles de Markov cachés et de modèles de Markov observés, et les jeux de covariables de ces ensembles sont tirés des modèles constituants par mois et pays du système ViEWS. Les pondérations des modèles individuels des ensembles ont été obtenues en utilisant un algorithme génétique optimisant l’ajustement sur le score TADDA (Distance absolue ciblée avec augmentation de direction) dans un jeu de calibration. Les ensembles pondérés de modèles de Markov visibles et cachés sont plus performants que les modèles de référence du concours de prédiction ViEWS pour ce qui est du score TADDA de la période de test de janvier 2017 à décembre 2019, et ce pour tous les pas de temps. Les prévisions jusqu’à mars 2021 ont permis de prédire une augmentation de la violence principalement en Algérie, en Libye, au Tchad, au Niger et en Angola, et une diminution ou un maintien des niveaux de violence dans la plupart des autres pays d’Afrique. Une analyse des pondérations des modèles dans les ensembles montre que le modèle constituant basé sur l’histoire des conflits fourni par ViEWS serait dominant dans les ensembles.\",\"PeriodicalId\":51513,\"journal\":{\"name\":\"International Interactions\",\"volume\":\"48 1\",\"pages\":\"597 - 613\"},\"PeriodicalIF\":1.5000,\"publicationDate\":\"2022-03-17\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"4\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"International Interactions\",\"FirstCategoryId\":\"90\",\"ListUrlMain\":\"https://doi.org/10.1080/03050629.2022.2049772\",\"RegionNum\":3,\"RegionCategory\":\"社会学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q2\",\"JCRName\":\"INTERNATIONAL RELATIONS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"International Interactions","FirstCategoryId":"90","ListUrlMain":"https://doi.org/10.1080/03050629.2022.2049772","RegionNum":3,"RegionCategory":"社会学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q2","JCRName":"INTERNATIONAL RELATIONS","Score":null,"Total":0}
引用次数: 4

摘要

这篇对ViEWS预测竞赛2020的贡献提出了使用马尔可夫模型来模拟一个国家两个时间点之间与战斗相关的死亡对数的变化。预测是使用观测马尔可夫模型和隐马尔可夫模型的两个集合进行的,其中集合的协变量集是从ViEWS国家/月组成模型中提取的。采用遗传算法对校准集的tadda分数进行拟合优化,得到系统中各模型的权重。在2017年1月至2019年12月的所有时间步长测试期间,可见马尔可夫模型和隐马尔可夫模型的加权集成在TADDA得分上优于ViEWS预测竞赛基准模型。截至2021年3月的预测显示,暴力活动将主要在阿尔及利亚、利比亚、乍得、尼日尔和安哥拉增加,其余非洲大多数国家的暴力活动将减少或保持不变。对集成中的模型权重分析表明,ViEWS提供的冲突历史组成模型在集成中占主导地位。Esta contribución a la competencia de predicciones 2020 del Sistema de Temprana de Violencia(暴力预警系统,视图),建议使用modelización de Márkov para deldelia del cambio模型,建立与暴力事件相关的预警系统,并建立与暴力事件相关的预警系统,建立与暴力事件相关的预警系统,建立与暴力事件相关的预警系统,país。这些预测者都是详细描述和分析模型的conjuntos de modelos observados y octos de Márkov,甚至是分析组的conjuntos de covariables的conjuntos de modelos constituyentes mensuales delos países del ViEWS。个体间模型的相关性与个体间模型的相关性可以用中间的方法来描述,即通过算法来优化和调整个体间模型的相关性puntuación TADDA与群体间模型的相关性calibración。通过 supertos - supertos - supertos - conjuntos - conderados - Los modelos - conderados - Los modelos - contercia - predicpredicones - ViEWS - endenden relación con la puntuación TADDA(绝对定向的距离- contercia - orientada - conconente - dirección) en el período - de preueba - de enero - 2017和diciembre - de 2019 para - dodolos intervalos - tiempo。据预测,到2021年,在阿尔及利亚、利比亚、乍得、Níger和安哥拉,将有更多的暴力事件发生。在安哥拉,将有更多的暴力事件发生。在安哥拉,将有更多的暴力事件发生。unanálisis de la relancia delos modelos en los conjuntos demuestla modelos constituyentes de historia de conflictia de concontos que proporciones ViEWS fueron dominantes and dichos conjuntos。2020年暴力预警系统(systemme d ' alerte pracimcoce sur la Violence)的新贡献提出了一项建议,即利用modsamacliisation de Markov,将modsamaclilize转化为modsamuise,将modsamuise转化为modsamuise,将modsamuise转化为对数,将modsamuise转化为冲突,将冲突转化为deux moments de l ' histoire d ' pays。这些预测的效果,例如,在两个模块的组合中,例如,在两个模块的组合中,例如,在两个模块的组合中,例如,在两个模块的组合中,例如,在两个变量的组合中,例如,在三个模块的组合中,例如,在两个模块的组合中,例如,在系统视图中,例如,在系统视图中。这两种方法分别是:modres、individual、ensembles、、和/或:3 .综上所列的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式,如马尔科夫形式的三种形式。在阿尔及利亚、利比亚、乍得、尼日尔和安哥拉等国,禁止实施暴力行为准则;在非洲,禁止实施暴力行为准则;在非洲,禁止实施暴力行为准则。我们分析了mod的混和和混和,以及mod的组成部分和冲突的历史,以及mod的组成部分和冲突的历史。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Predicting escalating and de-escalating violence in Africa using Markov models
Abstract This contribution to the ViEWS prediction competition 2020 proposes using Markov modeling to model the change in the logarithm of battle-related deaths between two points in time in a country. The predictions are made using two ensembles of observed and hidden Markov models, where the covariate sets for the ensembles are drawn from the ViEWS country month constituent models. The weights for the individual models in the ensembles were obtained using a genetic algorithm optimizing the fit on the TADDA-score in a calibration set. The weighted ensembles of visible and hidden Markov models outperform the ViEWS prediction competition benchmark models on the TADDA score in the test period of January 2017 to December 2019 for all time steps. Forecasts until March 2021 predict increased violence primarily in Algeria, Libya, Tchad, Niger, and Angola, and decreased or unchanged levels of violence in most of the remaining countries in Africa. An analysis of the model weights in the ensembles shows that the conflict history constituent model provided by ViEWS was dominant in the ensembles. Esta contribución a la competencia de predicciones 2020 del Sistema de Alerta Temprana de Violencia (Violence Early Warning System, ViEWS) propone utilizar la modelización de Márkov para elaborar un modelo del cambio en el logaritmo de las muertes relacionadas con batallas entre dos puntos temporales en un país. Las predicciones se elaboran con dos conjuntos de modelos observados y ocultos de Márkov, en los que los grupos de covariables de los conjuntos se obtienen de los modelos constituyentes mensuales de los países del ViEWS. La relevancia de los modelos individuales en los conjuntos se obtuvo mediante un algoritmo genético que optimiza el ajuste de la puntuación TADDA en un grupo de calibración. Los conjuntos ponderados de los modelos visibles y ocultos de Márkov superan los modelos de referencia de la competencia de predicciones del ViEWS en relación con la puntuación TADDA (Distancia absoluta orientada con aumento de dirección) en el período de prueba de enero de 2017 a diciembre de 2019 para todos los intervalos de tiempo. Las predicciones hasta marzo de 2021 pronostican un aumento en la violencia principalmente en Argelia, Libia, Chad, Níger y Angola, y niveles de violencia disminuidos o sin variaciones en la mayoría de los países restantes en África. Un análisis de la relevancia de los modelos en los conjuntos demuestra que los modelos constituyentes de la historia de conflictos que proporciona el ViEWS fueron dominantes en dichos conjuntos. Cette contribution au concours de prévision ViEWS (Violence early-warning system, système d’alerte précoce sur la violence) 2020 propose d’utiliser la modélisation de Markov pour modéliser l’évolution du logarithme des décès liés aux conflits entre deux moments de l’histoire d’un pays. Les prédictions sont effectuées à l’aide de deux ensembles de modèles de Markov cachés et de modèles de Markov observés, et les jeux de covariables de ces ensembles sont tirés des modèles constituants par mois et pays du système ViEWS. Les pondérations des modèles individuels des ensembles ont été obtenues en utilisant un algorithme génétique optimisant l’ajustement sur le score TADDA (Distance absolue ciblée avec augmentation de direction) dans un jeu de calibration. Les ensembles pondérés de modèles de Markov visibles et cachés sont plus performants que les modèles de référence du concours de prédiction ViEWS pour ce qui est du score TADDA de la période de test de janvier 2017 à décembre 2019, et ce pour tous les pas de temps. Les prévisions jusqu’à mars 2021 ont permis de prédire une augmentation de la violence principalement en Algérie, en Libye, au Tchad, au Niger et en Angola, et une diminution ou un maintien des niveaux de violence dans la plupart des autres pays d’Afrique. Une analyse des pondérations des modèles dans les ensembles montre que le modèle constituant basé sur l’histoire des conflits fourni par ViEWS serait dominant dans les ensembles.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
International Interactions
International Interactions INTERNATIONAL RELATIONS-
CiteScore
2.40
自引率
7.70%
发文量
38
期刊介绍: International Interactions is a leading interdisciplinary journal that publishes original empirical, analytic, and theoretical studies of conflict and political economy. The journal has a particular interest in research that focuses upon the broad range of relations and interactions among the actors in the global system. Relevant topics include ethnic and religious conflict, interstate and intrastate conflict, conflict resolution, conflict management, economic development, regional integration, trade relations, institutions, globalization, terrorism, and geopolitical analyses.
期刊最新文献
Demographic Consequences of Major Wars Bombs and Banners: Battlefield Dynamics and Armed Groups’ Use of Nonviolent Tactics in Civil War Climate Harshness, Opportunity, and Environmental Violence Sequencing the Steps to War Corrupting the Battlefield: How Corruption Influences Belligerents’ Battlefield Performance
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1