要預測這些危機，您可以使用 i 預測模型 但它們基於經常被延遲、過時或不完整的風險措施。 紐約大學的研究試圖了解如何以最佳方式利用預測算法。
該研究表明，通過彙編 11,2 年至 1980 年間發表的關於糧食不安全國家的 2020 萬篇文章的文本，並利用最近在 deep learning: 可以獲得令人欣慰的結果。 該詳細說明允許提取糧食危機的高頻前兆，這些前兆可通過傳統風險指標進行解釋和驗證。
演算法 deep learning 強調指出，從 2009 年 2020 月到 21 年 12 月期間，危機指標大幅改善了 XNUMX 個糧食不安全國家的預測，比不包含文本信息的基準模型提前最多 XNUMX 個月。
該研究的重點是糧食不安全綜合階段分類 (IPC) 預測，該預測由 飢荒預警系統網絡 （FEWS 網）。 這種分類在非洲、亞洲和拉丁美洲 37 個糧食不安全國家的地區一級可用，2009 年至 2015 年期間每年報告四次，此後每年報告三次。
糧食不安全根據由五個階段組成的順序等級進行分類：低、壓力、危機、緊急情況和飢荒。
BlogInnovazione.it
