Прогнозирование уровня преступности на основе статистических данных

Введение 4
1. Обзор существующих работ 6
2. Постановка задачи 7
3. Обзор методов предсказания временных рядов 8
3.1. Регрессионные модели 8
3.2. Линейная авторегрессия 9
3.3. Модели экспоненциального сглаживания 11
3.4. Нейросетевые модели 12
3.5. Модели на основе цепей Маркова 14
4. Описание и предварительный анализ данных 16
4.1. Описание данных 16
4.2. Визуализация аггрегированных данных 17
4.3. Связь температуры и числа преступлений 23
4.4. Географические температурные карты 25
5. Построение моделей прогнозирования 27
5.1. Описание моделей 28
5.2. Построение моделей предсказания преступности 31
5.3. Задача классификации 32
Заключение 35
Список литературы

Купить

Сегодня проблема снижения уровня преступности стоит очень остро. С давних времен существуют государственные структуры, которые занимаются розыском и поимкой преступников, а также стремятся предотвратить преступления. В современном мире технологий очень развиты системы видеонаблюдения, которые позволяют быстро разыскать человека, совершившего преступление, а методы криминалистики практически не оставляют преступнику шансов уйти от правосудия, даже если он не попал в объективы камер. Но гораздо лучше, если благодаря действию правоохранительных органов преступление не произошло вовсе. Благодаря развитию информационных технологий уже существует несколько экспериментальных систем, позволяющих предсказывать вспышки числа преступлений в том или ином районе города. Но пока эти системы распространены только в развитых странах мира, таких, например, как США или Великобритания.
В настоящей работе планируется разработать методы предсказания преступлений. В качестве данных для построения моделей используются реальные данные о преступлениях в городе Чикаго. Эти данные содержат подробное описание каждого преступления произошедшего в период с 2001 по 2015 года. Такое детальное описание позволяет заметить закономерности, которое не так очевидны, узнать когда, где и каких преступлений происходит больше, тем самым, возможно, придумать модели, которые позволят заранее узнать о том, куда стоит направить дополнительный патруль.
Структура работы имеет следующий вид. В 1 главе приводится обзор существующих работ по предсказанию преступности. Для построения прогнозов авторы данных работ применяют методы анализа временных рядов, но в своих прогнозах они опираются только на исторические данные о преступности и не учитывают влияние различных внешних факторов. В главе 2 формируются основные цели и задачи исследования, а именно построения качественных прогнозов уровня преступности. В главе 3 приводится описание наиболее популярных моделей анализа временных рядов, таких как регрессионные модели, авторегрессионные модели, модели экспоненциального сглаживания, нейросетевые модели и модели на основе марковских цепей. Глава 4 посвящена подробной визуализации данных и построению интерактивных карт преступности, которые позволяют наглядно представить данные о самых опасных районах и улицах города. В главе 5 на основе найденных закономерностей подбираются алгоритмы для построения прогнозов, строятся сами прогнозы и приводятся их оценки. Далее задача восстановления временного ряда сводится к задаче классификации для определения наиболее опасных дней с точки зрения количества преступлений. Данная задача решается посредством построения нейросетевой модели.
Купить