基于ARIMA-LSSVM混合模型的犯罪时间序列预测.pdfVIP

● ComputerTechnologyand ItsApplications 基于AI~IMA—LSSVM混合模型的犯罪时间序列预测 涂 小萌 ，陈强 国 (武汉大学 计算机学院 国家多媒体软件工程研究中心，湖北 武汉 430072) 摘 要 ：对犯罪时间序列的预测对帮助公安部 门更好地掌握犯罪动态，实现智能犯罪发现具有重 大意义。针对犯罪时间序列预测的计算需求 ，结合真实犯罪数据集 ，提 出了ARIMA—LSSVM混合模型 ．． 该模型通过 ARIMA预测 出时间序列的线性部分 ，通过 PSO优化 的LSSVM 模型预测非线性部分 ，以对 序列进行充分拟合 ，最后通过混合算法计算最终结果。使用此混合模型达到 了精准的预测效果 ，证 明 了模 型的有效性。 关键词 ：犯罪时间序列 ；相空间重构 ；滑动 自回归平均模型 ；后 向传播神经 网络 ；PSO～LSSVM 中图分类号 ：P391；D917．9 文献标识码 ：A 文 章编号 ：0258—7998(2015)02—0160—03 DOI：10．16157／i．issn．0258—7998．2015．02．040 A hybridARIMA——LSSVM modelforcrimetimeseriesforecast TuXiaomeng，ChenQiangguo (NationalEngineeringResearchCenterforMultimediaSoftware，ComputerSchool，WuhanUniversity，Wuhan430072，China) Abstract：Forecastingthe time seriesofcrime can help publicsecurity departmentbettergrasp the criminaldynamic and has a greatsignificance in realizing intelligentcrime detection．Specific to the computing need ofthe prediction ofcrime time series， combining realcrimedataset，a hybrid ARIMA—LSSVM modelisputforward．ThismodelutilizesARIMA modelpredictingthe linear componentofseries and PSO optimized LSSVM modelpredicting the nonlinearcomponentto fully fitting the series，and computes thefinalresultbyusingthehybrid algorithm．The greatefficiencyand accuracyare reached，which provesthevalidityofthemode1． Keywords：crimetimeseries；phasespacereconstruction(PSR)；autoregressiveintegratedmovingaverage(ARIMA)；backpropa— gation neuralnetworkfBP)；PS0一LSSVM 0 引言 型的组合预测也证 明了其有效性与精确性13-4l。ARIMA 高复杂度 、样本数据规模 的持续增长是时间序列 的 和 BP的组合方案被应用于海洋流速 、城市交通客流量 两大特点川。时间序列预测算法是从传统的以ARIMA模 的预测 中[5-61。 型为核心 的线性预测算法发展到 以机器学 习算法为核 时间序 列预测属于对 时间序 列规律 的总结归纳 ，是 心的非线性预测算法 。线性预测算法能够 以较低 的计算 犯罪数据挖掘 的重要应用之一[7-81。在犯罪预测领域 ，国 复杂度获得较为理想的