Детальная информация

Данная работа посвящена исследованию в области конфликтологии и прогнозирования политических конфликтов. Описаны существующие источники, модели данных и инструменты для предсказания событий. Изучены актуальные подходы к прогнозированию временных рядов. В рамках работы предложен метод прогнозирования конфликтов, который основан на использовании алгоритмов ARIMA и LSTM. Предложенный метод был реализован в программном средстве на языке Java. Описана обработка данных из источника UCDP для использования алгоритмами машинного обучения. Разработана клиент-серверная архитектура проекта. Реализованное программное средство обращается к данным о политических событиях в заданных странах за определенный период времени, обрабатывает их и затем использует для предсказаний политических конфликтов. При разработке использовался паттерн проектирования «Стратегия» для реализации использования различных алгоритмов машинного обучения. В экспериментальной части полученные данные прогнозов о политических конфликтах в странах Африки в течение 5 месяцев сравниваются с фактическими данными. Приводятся расчеты метрик точности прогнозов для двух алгоритмов: ARIMA и LSTM.

This work is devoted to research in the field of conflictology and forecasting of political conflicts. The existing sources, data models and tools for predicting events are described. Current approaches to time series forecasting have been studied. As a part of the work, a method for predicting conflicts is proposed, which is based on the use of ARIMA and LSTM algorithms. The proposed method was implemented in a Java software tool. The processing of data from the UCDP source for use by machine learning algorithms is described. The client-server architecture of the project has been developed. The implemented software tool accesses data on political events in specified countries for a certain period of time, processes them and then uses them to predict political conflicts. During the development, the "Strategy" design pattern was used to implement the use of various machine learning algorithms. In the experimental part, the data obtained from forecasts of political conflicts in African countries for 5 months are compared with the actual data. Calculations of prediction accuracy metrics for two algorithms are given: ARIMA and LSTM.