Key points are not available for this paper at this time.
كانت الهجرة غير المصرح بها تمثل تحديًا طويل الأمد ومثيرًا للجدل للدول المتقدمة والنامية. لقد دفعت العديد من العوامل المتطورة باستمرار عبر الحدود الدولية، مثل الاقتصاد، والبطالة، وكثافة السكان، والاضطرابات، والفساد، والمناخ، هذه الهجرة. يمكن أن تؤدي الأوبئة الكبيرة مثل COVID-19، التي تسبب مزيدًا من عدم الاستقرار في الرفاهية المالية للدول، إلى بدء أو تغيير تدفق الهجرة من دول مختلفة. في ظل تداخل هذه العوامل المعقدة، وتغير المناخ، والتغيرات الديموغرافية في مجتمعات المهاجرين، حان الوقت للانتقال نحو نهج عام معزز بتعلم الآلة بدلاً من الأساليب التقليدية المعتمدة على الدراسات المحلية الخاصة بمجموعات المهاجرين. لأفضل معرفتنا، لم تُستكشف أي أدبيات النهج غير المعلمي وتطوير قاعدة بيانات شاملة مستقلة عن الدراسات المحلية لتحليل الهجرة غير المصرح بها. تملأ هذه المقالة الفراغ من خلال نشر تسعة خوارزميات غير معلمية لتعلم الآلة لتوقع تدفق الهجرة غير المصرح بها مع الأخذ في الاعتبار الديناميات الأمنية على الحدود. تأخذ هذه الإطار في عين الاعتبار نموذج المتوسط المتحرك المتكامل الذاتي التكراري الموسمي كالنموذج الأساسي. تزيل الإطار الجديد المقترح الاعتماد على الدراسات المعتمدة على الاستطلاعات المحلية وتقدم نهجًا أكثر فعالية من حيث التكلفة، وأسرع، وصديقًا للبيانات الكبيرة. تجد هذه الدراسة أن نموذج شجرة الانحدار البايزية المضافة هو أفضل نموذج تنبؤي.
دstudied هذا السؤال من قبل عزيز وآخرون (الثلاثاء).