基于时间序列模型SARIMA的犯罪预测研究

来源 :中国人民公安大学学报:自然科学版 | 被引量 : 0次 | 上传用户:ronglao2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于时间序列分析的犯罪预测是公安情报工作的重要办法之一。利用2005年2月~2013年12月我国某北方大型城市的一般伤害、抢夺和抢劫3类犯罪案件数量数据,建立了SARIMA时间序列预测模型,并进行了验证。结果表明一般伤害案件的数量存在周期性波动,且没有明显的增减趋势,预测效果较好(PRMSE为11.95%,MAPE为10.92%)。抢夺案件的数量具有周期性波动且在2008年前后存在明显的增减趋势,通过数据处理,将抢夺数据的增减趋势与周期性分别进行了研究,得到了相对较好的预测效果(PRMSE为17.08%,
其他文献
电力系统图像数据具有数据量大、非结构化等特点,当前对该类图像的智能化识别精准度低。针对该问题,采用卷积神经网络,提取设备图像特征;充分利用传统机器学习特点,结合随机森林及深度学习按特征对图像进行分类。通过8 500张电力设备图像进行测试,由测试结果可知,对于输电线铁塔、输电线电杆、变压器、断路器及绝缘子5种电力设备,平均识别精确度为89.6%,较传统随机森林分类器及卷积神经网络分类器平均识别精准度