您当前的位置： 首页 > 论文 > 2023,54(03) > 信息与计算机
基金项目:
国家自然科学基金资助项目(61872260)；山西省回国留学人员科研资助项目(HGKY2019024)；国家自然科学基金青年基金资助项目(61901292)
分类号:
TP183
DOI:
10.16355/j.cnki.issn1007-9432tyut.2023.03.0016
期刊号:
2023,54(03)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 韩晓红 | 太原理工大学大数据学院 |
摘要:
针对当前犯罪预测模型无法捕捉到犯罪时序数据的复合特征且无法及时反应环境变化等问题，提出基于BP神经网络非线性组合的SARIMA-GRU犯罪预测模型。该模型将SARIMA和GRU对犯罪数量的预测结果通过BP网络实现非线性组合，采用反向传播算法进行权重学习，将各层神经元所确定的权重矩阵作为两种方法在组合预测中的比重，综合利用SARIMA模型在线性时序预测中的优势和GRU网络在非线性特征挖掘上的优势，从而获得更好的预测结果。通过温哥华和旧金山的真实犯罪数据对组合后的模型与其他模型进行对比实验，结果表明，基于BP神经网络非线性组合的SARIMA-GRU模型可以捕捉到犯罪时序数据的复合特征，与其他模型相比具有更高的准确率。
关键字:
犯罪预测模型；BP神经网络；GRU；SARIMA模型；组合预测