基于ARIMA-LSSVM混合模型的犯罪时间序列预测

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

所属期刊栏目：41

分类号：P391;D917.9

资助基金：湖北省重大科技创新计划项目2013AAA020

在线出版日期：2015-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：160-162,166