研究目的
研究并建?;钤菊角猩缁峋没∩枋┓⒄故萦牍ト死嗖涣际录ˋE)历史信息之间的复杂相互作用,以预测特定地理区域内未来的不良事件。
研究成果
采用有监督学习的ESOM算法能有效理解战区未来异常事件模式,表明基于不完整信息预测未来异常事件的可行性。该研究提出了未来研究方向,包括探究学习率、阈值和西格玛参数的不同组合,以及纳入其他具有区域相关性的社会经济数据。
研究不足
该研究承认原始数据可能存在不准确性,以及用于计算缺失数据点的规则和假设的性质,这些因素可能会影响预测中的均方误差(MSE)。
1:实验设计与方法选择:
本研究采用演化自组织映射(ESOM)算法,以社会经济、日期和地理位置信息作为训练模型的输入数据,预测人类不良事件(AE)的未来模式。
2:样本选择与数据来源:
使用阿富汗2002-2010年的实证数据,其中2003-2009年记录作为训练数据,2010年记录用于测试ESOM的有效性。
3:实验设备与材料清单:
使用Windows版MATLAB R2011进行ESOM算法的编码、测试与验证。
4:实验流程与操作步骤:
通过MATLAB编码实现ESOM算法,并在代码中完成变量归一化处理。
5:数据分析方法:
采用ESOM的监督学习变体进行预测,对比两种不同参数模型的结果。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容