Nghiên cứu này đã áp dụng nhiều kỹ thuật dự báo khác nhau, bao gồm ARIMA, Prophet, LSTM, TCN và XGBoost, để dự đoán tổn thất thiết bị của Nga trong Chiến tranh Ukraine. Sử dụng dữ liệu tình báo nguồn mở (OSINT) hàng ngày và hàng tháng từ WarSpotting, chúng tôi đặt mục tiêu đánh giá xu hướng giảm tổn thất, xác thực hiệu suất mô hình và ước tính các mô hình tổn thất trong tương lai đến cuối năm 2025. Các mô hình học sâu, đặc biệt là TCN và LSTM, được phát hiện có khả năng đưa ra các dự đoán ổn định và nhất quán ở mức độ chi tiết thời gian cao. Phân tích so sánh các kiến trúc mô hình và cấu trúc đầu vào khác nhau đã làm nổi bật tầm quan trọng của dự báo tổng hợp trong mô hình hóa xung đột và giá trị của dữ liệu OSINT công khai trong việc định lượng tổn thất vật chất theo thời gian.
