基于时间序列的网格化城市管理案件预测模型研究

摘要：

针对传统或流行的基于时间序列的预测模型,探索出一种适用于网格化城市管理的成体系的案件预测方法.分别采用博克斯-詹金斯法、Auto-ARIMA以及LSTM模型,对近几年北京市6个城区各站点网格化管理问题案件数量进行预测,通过对比不同模型方法间准确度和实用性,以AP为精度评价指标,分析各个模型应用在城市网格化问题预测方面优势与劣势.研究发现,Auto-ARIMA适合进行对网格化管理问题数量趋势预测,博克斯詹金斯法在解决滞后性问题中预测准确率很高,但由于预测流程烦琐,因此实用性较差,LSTM预测效果相对准确且平稳,可以在样本输入量、参数以及自身架构上进行进一步优化.

关键词：网格化城市管理、案件数量预测、LSTM、博克斯-詹金斯法、Auto-ARIMA

所属期刊栏目：26

分类号：TU984(地下建筑)

资助基金：城市管理智能挖掘Y9B0130H22

在线出版日期：2019-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：90-95