基于深度学习的核武器数量预测  

作　　者：王彩玲[1] 张智栋 WANG Cailing;ZHANG Zhidong

机构地区：[1]西安石油大学计算机学院,陕西西安710065

出　　处：《信息技术与信息化》2024年第6期9-14,共6页Information Technology and Informatization

基　　金：陕西省自然基金面上项目(2022JM-396);陕西省重点研发计划项目(2023-YBSF-437);国家自然科学基金资助项目(31160475,61401439)。

摘　　要：核武器是指利用能自身持有进行的原子核裂变或聚变反应瞬时释放的巨大的能量,产生爆炸作用,并具有大规模毁伤破坏效应的武器。核武器的出现改变了传统战争的规模和样式,对人类和地球上生物的生存和发展产生了深远的影响。为了维护国家安全和世界和平,准确预测世界各国核武器数量以评估各国军事力量是十分必要的。核武器数量的变化是多因素影响的结果,变化趋势复杂,难以预测。对此,提出一种基于双向LSTM网络的核武器数量预测模型。实验选择了中国、法国、俄罗斯、英国、美国和以色列六个国家1938年至2023年核武器数据作为研究对象,对原始数据进行预处理和相关性分析,构建了双向LSTM模型进行拟合预测,利用可视化技术分析预测结果,调节参数并进一步优化模型。实验选择R2、MAE和RMSE作为评估指标,分别为:0.8635、14.4188和17.7144。结果表明,双向LSTM模型预测结果优于Prophet模型,这证明了所构建的双向LSTM模型的有效性。

关 键 词：核武器 双向LSTM模型 Prophet算法 时序序列预测 相关性分析 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] E928[自动化与计算机技术—控制科学与工程]