数学建模历年真题分析

                              2018年C题：对恐怖袭击事件记录数据的量化分析

• 任务1：依据危害性对恐怖袭击事件分级

影响因素：人员伤亡、经济损失、事件发生的时机、地域、针对的对象

目标：

1、将附件1给出的事件按危害程度从高到低分为一至五级。

2、列出近二十年来危害程度最高的十大恐怖袭击事件。

3、给出表1中事件的分级。

解题思路：

建立基于权重分配的事件结果量化分级模型。根据数据特 征选出了 4 个指标（袭击事件死亡总数、受伤总数、财产损失价值以及人质或绑 架总数），通过中位数插值法填充变量中的缺失值，计算 4 个指标的 KMO 值为 0.714，为了获得更加精确的指标权重，分别使用主成分分析方法和熵值系数法 对模型进行求解，获得的指标权重值分别为（0.246,0.196,0.301,0.257）和 （0.108,0.137,0.429，0.326），然后利用 K-means 聚类方法对事件结果量化值 进行五项聚类，实现数据的量化分级。

模型建立（基于权重分配的量化分级模型）

1、分析出事件危害等级的四项评价指标：袭击事件死亡总数X1、受伤总数X2、财产损失价值X3、人质或绑架总数X4。

2、数据处理：将附件 1 中的数据做冗余和插值填充等处理。得到处理后的完整数据附件 A。

在死亡总数方面，将附件 1 中的死亡总数缺失的袭击事件去除，未考虑到后续分析中；

在受伤总数方面，将附件 1 中的受伤总数缺失的袭击事件去除，未考虑到后续分析中；

在人质或绑架总数方面，1、本文将人质或绑架的受害者标签为-9（不知道受害人是否被劫持或绑架）的袭击事件去除； 2、将人质或绑架的受害者标签为 0（受害者没有被劫持或绑架），且人质或绑架总数为空值的袭击事件的人质或绑架总数置为 0； 3、在上述处理的结果上，针对人质或绑架总数标签为-99（人质的数量不知道或不确定）的袭击事件，本文利用处理后数据的人质或绑架总数的中位数，来为作为此类事件的人质或绑架总数做插值填充。

在财产损失价值方面，也是中位数插值填充。

3、建立基于权重分配的事件结果量化分级模型， 量化结果 Y 如式（4-1）所示。

模型求解

为了求解上式中的权重的精确值，用基于主成分分析的权重确定和 K-means聚类算法对量化模型进行权重求解的同时（法1），还用了基于熵值的权重确定和 K-means 聚类算法对量化模型的权重进行了求解（法2）。

法1：基于主成分分析权重确定和 K-means 聚类的求解：根据主成分分析的权重确定，得到事件结果Y的量化表达式，再通过对Y值进行 K-means 聚类，聚成 5 个类别等级。通过对聚类结果的分析， 以各个类别等级的量化结果值，划定 5 个级别的危害影响值的判定范围。

主成分分析：把原本相关性较强的变量X1、X2...Xn重新组合，生成 少数几个彼此不相关的变量F1、F2...Fm。

F1 = a11*X1 + a21*X2 +...+ an1*Xn + a*e1。

F2 = a12*X1 + a22*X2 +...+ an2*Xn + a2*e。

...

Fm = a1m*X1 + a2m*X2 +...+ anm*Xn &#