韧性电网下的时空多图卷积网络恐怖主义事件模型

摘要

恐怖主义是当今文明面临的最主要威胁之一,恐怖主义不仅扰乱了社会秩序,而且影响了人们的生活质量。人工智能为反恐行动中的数据分析和模式识别提供了有利支持,在此基础上,结合韧性电网,提出了一种基于知识图谱和时空多图卷积神经网络的电力恐怖主义事件预测方法,该方法可有效挖掘全球恐怖主义数据库（GTD）中的数据来构建知识图谱,知识图谱中包含对恐怖主义事件节点和关系的描述。然后,利用小波变换得到恐怖主义事件的趋势性和周期性,并采用时空多图卷积神经网络对恐怖主义事件时间序列数据的时空动态相关性进行建模。最后,通过训练好的模型预测恐怖事件的行为。实验结果表明,本文方法的准确率、精确率、召回率和F_1-score均超过90%,优于现有方法。

关键词

恐怖主义 / 事件预测 / 知识图谱 / 时空多图卷积网络 / 韧性电网