High resolution conflict forecasting with spatial convolutions and long short-term memory

战斗 武装冲突 人文学科 政治学 地图学 地理 哲学 法学 考古
作者
Benjamin J. Radford
出处
期刊:International Interactions [Taylor & Francis]
卷期号:48 (4): 739-758 被引量:4
标识
DOI:10.1080/03050629.2022.2031182
摘要

The 2020 Violence Early Warning System (ViEWS) Prediction Competition challenged participants to produce predictive models of violent political conflict at high spatial and temporal resolutions. This paper presents a convolutional long short-term memory (ConvLSTM) recurrent neural network capable of forecasting the log change in battle-related deaths resulting from state-based armed conflict at the PRIO-GRID cell-month level. The ConvLSTM outperforms the benchmark model provided by the ViEWS team and performs comparably to the best models submitted to the competition. In addition to providing a technical description of the ConvLSTM, I evaluate the model's out-of-sample performance and interrogate a selection of interesting model forecasts. I find that the model relies heavily on lagged levels of battle-related fatalities to forecast future decreases in violence. The model struggles to forecast escalations in violence and tends to underpredict the magnitude of escalation while overpredicting the spatial spread of escalation.El concurso de predicciones del sistema de alerta temprana sobre la violencia (Violence Early Warning System, ViEWS) de 2020 desafió a los participantes a producir modelos predictivos de conflictos políticos violentos a altas resoluciones espaciales y temporales. Este documento presenta una red neuronal recurrente de memoria convolucional a corto y largo plazo (convolutional long short-term memory, ConvLSTM) capaz de predecir el cambio de registro en las muertes relacionadas con las batallas como resultado de los conflictos armados de estado a nivel de mes de celda de PRIO-GRID. La ConvLSTM supera el modelo de referencia proporcionado por el equipo de ViEWS y funciona de manera similar a los mejores modelos presentados en el concurso. Además de proporcionar una descripción técnica de la ConvLSTM, analizo el rendimiento del modelo fuera de la muestra y cuestiono una serie de interesantes previsiones del modelo. Considero que el modelo se basa, principalmente, en niveles rezagados de víctimas mortales a causa de las batallas para predecir las futuras disminuciones de la violencia. El modelo se esfuerza por predecir las escaladas de la violencia y tiende a predecir con poca frecuencia la magnitud de la escalada, pero con más frecuencia la propagación espacial de esta.Le concours 2020 du système d'alerte précoce sur la violence (Violence Early Warning System, ViEWS) a mis les participants au défi de produire des modèles prédictifs des conflits politiques violents à hautes résolutions temporelles et spatiales. Cet article présente un réseau de neurones récurrents à mémoire convolutive à long terme à court terme (ConvLSTM) capable de prévoir l'évolution logarithmique des décès liés aux combats résultant de conflits armés étatiques au niveau Cellule par mois de la grille PRIO. La ConvLSTM surpasse le modèle de référence fourni par l'équipe ViEWS et offre des performances comparables à celles des meilleurs modèles soumis pour le concours. En plus de fournir une description technique de la ConvLSTM, j'évalue les performances hors échantillon du modèle et j'interroge une sélection de prévisions intéressantes du modèle. J'ai constaté que le modèle dépendait fortement des niveaux décalés des décès liés aux combats pour prévoir les futures diminutions de la violence. Le modèle peine à prévoir les escalades de la violence et tend à sous-estimer la magnitude de l'escalade tout en surestimant sa propagation spatiale.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
巴达天使完成签到,获得积分10
1秒前
江三村完成签到 ,获得积分10
1秒前
量子星尘发布了新的文献求助10
19秒前
CyberHamster完成签到,获得积分10
29秒前
xiaohong完成签到,获得积分10
32秒前
朱比特完成签到,获得积分10
33秒前
34秒前
zmuzhang2019发布了新的文献求助10
40秒前
onestepcloser完成签到 ,获得积分0
40秒前
zoe完成签到 ,获得积分10
41秒前
发嗲的慕蕊完成签到 ,获得积分10
42秒前
Linson完成签到,获得积分10
43秒前
顾矜应助赵三岁采纳,获得10
57秒前
yyy2025完成签到,获得积分10
1分钟前
木雨亦潇潇完成签到,获得积分10
1分钟前
香蕉觅云应助nine2652采纳,获得10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
芳华如梦完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
1分钟前
土豆丝完成签到 ,获得积分10
1分钟前
琦琦完成签到,获得积分10
1分钟前
zzzz完成签到,获得积分20
1分钟前
GEZIKU完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
赵三岁发布了新的文献求助10
1分钟前
wwb完成签到,获得积分10
1分钟前
2分钟前
2分钟前
肯德基没有黄焖鸡完成签到 ,获得积分10
2分钟前
能干冰露完成签到,获得积分10
2分钟前
牛奶拌可乐完成签到 ,获得积分10
2分钟前
量子星尘发布了新的文献求助30
2分钟前
周小鱼完成签到 ,获得积分10
2分钟前
2分钟前
2分钟前
老张完成签到,获得积分10
2分钟前
2分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038039
求助须知:如何正确求助?哪些是违规求助? 3575756
关于积分的说明 11373782
捐赠科研通 3305574
什么是DOI,文献DOI怎么找? 1819239
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022