基于改进的加权贝叶斯网络恐怖袭击危害性评估

摘要

恐怖袭击危害性评估已成为安全科学领域的研究热点.针对恐怖袭击中影响因素多源、关系复杂和信息不确定的特点,该文引入随机森林模型和信息流理论,提出了一种新的基于因果性权重的加权贝叶斯网络,从整体性角度设计了以数据驱动并结合专家知识的恐怖袭击危害性评估模型.首先基于随机森林客观地筛选显著评估指标;其次采用信息流计算评估指标权重,通过结构学习和参数学习来构建加权贝叶斯网络;最后结合GTD记录的恐怖袭击事件进行危害性评估实验.实验结果表明,该文所提出的模型克服了传统定量风险评估方法在可验证性和灵活性上的不足,能够在多源不确定信息条件下实现恐怖袭击风险的定量评估,具有较高的准确性和可靠性.