基于ARMA模型的犯罪事件預(yù)測分析系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著犯罪事件記錄數(shù)據(jù)的不斷累積和數(shù)據(jù)庫技術(shù)的發(fā)展，公安部門的犯罪記錄系統(tǒng)數(shù)據(jù)庫已經(jīng)存儲了海量的犯罪事件記錄數(shù)據(jù)，并且每年都在持續(xù)更新。然而這些犯罪事件數(shù)據(jù)并未得到充分的運用，針對這些數(shù)據(jù)的相關(guān)分析理論也不夠完善，尚未能提供科學(xué)的分析結(jié)果以供決策支持。如何更好地對這些犯罪事件數(shù)據(jù)進一步挖掘，以便為社會犯罪的預(yù)防提供科學(xué)的依據(jù)，已成為當(dāng)前這一領(lǐng)域研究的熱點。
　　本文通過對公安部門的犯罪事件記錄數(shù)據(jù)分析，發(fā)現(xiàn)這些數(shù)據(jù)與時間有較強的關(guān)聯(lián)

2、性，符合時間序列的特點。因此本文重點采用自回歸滑動平均 ARMA(Auto-Regressive Moving-Average)模型對犯罪事件數(shù)據(jù)進行建模，并根據(jù)該模型獲得的分析結(jié)果預(yù)測未來犯罪事件數(shù)量。具體內(nèi)容如下：
　　首先，本文介紹了 ARMA模型理論和建模流程，以廈門市公安犯罪事件數(shù)據(jù)庫儲存的數(shù)據(jù)為樣本，采用Matlab軟件對數(shù)據(jù)進行預(yù)處理，通過平穩(wěn)性判斷、自相關(guān)性分析、信息定階準則AIC（Akaike informati

3、on criterion）定階等一系列步驟來確定模型的類型和階數(shù)，從而進行擬合模型的殘差分析并最終確定預(yù)測模型。隨后，應(yīng)用模型對未來10天的犯罪事件進行預(yù)測，將預(yù)測結(jié)果和實際發(fā)生犯罪數(shù)量進行對比。結(jié)果表明，采用ARMA模型預(yù)測未來犯罪事件的方法是可行的。
　　在確定了 ARMA模型建模對于犯罪事件預(yù)測的可行性之后，本文重點分析了一個通用型的基于ARMA模型的犯罪事件預(yù)測分析系統(tǒng)的系統(tǒng)結(jié)構(gòu)，分為數(shù)據(jù)層、業(yè)務(wù)邏輯層以及接口層。業(yè)務(wù)邏輯

4、層是整個系統(tǒng)架構(gòu)的核心，由包括 Matlab組件、平穩(wěn)性判斷、模型識別、模型定階、參數(shù)估計、模型預(yù)測等模塊構(gòu)成。其中 Matlab組件是本文時間系列模型估計的重點依托模塊，系統(tǒng)通過 Matlab算法的支持實現(xiàn)了模型的識別、定階及參數(shù)估計功能。以此為基礎(chǔ)，通過模型預(yù)測模塊實現(xiàn)系統(tǒng)基于ARMA模型的犯罪事件預(yù)測分析的核心功能。
　　最后，實現(xiàn)了廈門市犯罪事件預(yù)測分析系統(tǒng)，并進行了系統(tǒng)分析測試。系統(tǒng)測試結(jié)果表明：基于ARMA模型的預(yù)測分