科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】研究日盗窃犯罪数量的预测问题。【方法】基于LSTM网络,利用中国北方某大型城市2005年1月1日至2007年2月24日以及2009年1月1日至2011年1月7日的每日实际盗窃犯罪数据,设置三个算例分别进行时间序列预测研究及验证,并与ARIMA、支持向量回归、随机森林以及XGBoost方法的预测结果进行对比。【结果】LSTM网络模型能够较好地预测日盗窃犯罪数量的变化趋势,三个算例中的百分比均方根误差分别为18.4%、11.7%、41.9%,性能均优于ARIMA、支持向量回归、随机森林以及XGBoost模型。【局限】对日盗窃犯罪数量波动较大时段的预测需要开展进一步研究。【结论】本文的研究结果预期可以为社区安全防范措施的调整、巡逻警力测算与部署等具体业务工作提供决策支持。
- 单位
