随着犯罪事件记录数据的不断累积和数据库技术的发展,公安部门的犯罪记录系统数据库已经存储了海量的犯罪事件记录数据,并且每年都在持续更新。然而这些犯罪事件数据并未得到充分的运用,针对这些数据的相关分析理论也不够完善,尚未能提供科学的分析结果以供决策支持。如何更好地对这些犯罪事件数据进一步挖掘,以便为社会犯罪的预防提供科学的依据,已成为当前这一领域研究的热点。本文通过对公安部门的犯罪事件记录数据分析,发现这些数据与时间有较强的关联性,符合时间序列的特点。因此本文重点采用自回归滑动平均ARMA(Auto-Regressive Moving-Average)模型对犯罪事件数据进行建模,并根据该模型获得的分析结果预测未来犯罪事件数量。具体内容如下:首先,本文介绍了ARMA模型理论和建模流程,以厦门市公安犯罪事件数据库储存的数据为样本,采用Matlab软件对数据进行预处理,通过平稳性判断、自相关性分析、信息定阶准则AIC(Akaike information criterion)定阶等一系列步骤来确定模型的类型和阶数,从而进行拟合模型的残差分析并最终确定预测模型。随后,应用模型对未来10天的犯罪事件进行预测,将预测结果和实际发生犯罪数量进行对比。结果表明,采用ARMA模型预测未来犯罪事件的方法是可行的。在确定了ARMA模型建模对于犯罪事件预测的可行性之后,本文重点分析了一个通用型的基于ARMA模型的犯罪事件预测分析系统的系统结构,分为数据层、业务逻辑层以及接口层。业务逻辑层是整个系统架构的核心,由包括Matlab组件、平稳性判断、模型识别、模型定阶、参数估计、模型预测等模块构成。其中Matlab组件是本文时间系列模型估计的重点依托模块,系统通过Matlab算法的支持实现了模型的识别、定阶及参数估计功能。以此为基础,通过模型预测模块实现系统基于ARMA模型的犯罪事件预测分析的核心功能。最后,实现了厦门市犯罪事件预测分析系统,并进行了系统分析测试。系统测试结果表明:基于ARMA模型的预测分析系统,可以为社会犯罪事件的预防提供有力的支撑,并使大量历史犯罪数据得到较为充分的挖掘。系统基于历史数据的实际测试分析结果显示,该系统模型预测结果较为准确,误差控制在20%以内。