改进的GA-BP神经网络模型在财产犯罪预测中的应用
发现犯罪时空分布规律并预测犯罪发生,是提高警务策略有效预防、控制犯罪的重要方法.在分析财产犯罪时空规律的基础上,利用BP神经网络模型自动学习训练各因子与财产犯罪的非线性关系,建立了财产犯罪预测模型.针对BP神经网络模型易陷入局部最优和模型不稳定的缺陷,提出了利用遗传算法(GA)选择各因子最优的初始化权重和参数,并以此作为BP神经网络模型的初始化权重矩阵,通过对历史数据的学习及训练建立了改进后的GA-BP神经网络模型.利用某市2007~2012年财产犯罪、人口、GDP、土地利用等35个综合影响因子数据,对改进前后的模型进行了预测对比试验.结果表明,改进后的GA-BP神经网络模型成功克服了BP模型的缺陷,收敛迭代最小次数从117次改进到8次;10次计算收敛迭代次数最大误差从370次提高到5次;模型预测精度(RMES)从0.043 0提高到0.019 95.
时空分析、BP神经网络模型、GA BP模型、财产犯罪时空规律、财产犯罪预测、预测模型对比分析
42
P208(一般性问题)
国家自然科学基金41171141.The National Natural Science Foundation of China,No.41171141
2017-09-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
1110-1116,1171