基于BP神经网络非线性组合的SARIMA-GRU 犯罪预测模型

• 作者: 翟圣昌 韩晓红 王莉 吴永飞 王俊严
• 来源期刊: 太原理工大学学报
• 学科: 地球科学
• 关键词: 犯罪预测模型 BP神经网络 GRU SARIMA模型 组合预测
• 年，卷（期）: 2024,（3）
• 页码范围: 127-135
• 页数: 9页
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2023.03.016

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 SARI-MA 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.