[发明专利]一种基于时空关联性分析的法院收结案数量预测方法

权利要求书

1.一种基于时空关联性分析的法院收结案数量预测方法，其特征在于，包括以下步骤：

步骤1、收集刑事案件收案数据，采集相关特征属性数据并构造属性数据集；

步骤2、对所述步骤1构造的所述属性数据集进行预处理，得到刑事案件数量分布图和关联属性特征数据矩阵；

步骤3、对所述刑事案件数量分布图和所述关联属性特征数据矩阵进行基于网格嵌入的空间关联性分析；

步骤4、基于长短时记忆神经网络进行时间关联性分析，预测下一时刻刑事案件收案数量；

步骤5、利用所述刑事案件数量分布图和所述关联属性特征数据矩阵，训练基于时空关联预测的刑事案件数量预测模型，分析误差。

2.如权利要求1所述的基于时空关联性分析的法院收结案数量预测方法，其特征在于，所述步骤1具体为：根据法院提供的审判质效评估报表确定司法指标和收案数量数据，从政府网站上采集刑事案件收案数据，收集与所述刑事案件发生有关的所述属性数据集；在时间维度上，所述属性数据集中所包括的每一个属性数据都是以天为单位；在空间维度上，所述属性数据集的数据细粒度划分至一个城市的各个区县，采集与一个城市中各个区县刑事案件发生有关的所述属性数据集。

3.如权利要求2所述的基于时空关联性分析的法院收结案数量预测方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1、将待研究的城市划分为n个互不重合的空间小网格，将所述城市表示成一个小网格集合G＝{g₁，g₂，...，g_n}，这n个所述小网格按经纬度排列构成一个一个I行J列的网格图；将数据以天为单位划分成一系列时间序列集合，时间序列集合定义为T＝{t₁，t₂，…，t_n}，时隙间的间隔相等；

步骤2.2、对每一个所述时隙，将所述属性数据集中每一个所述属性数据进行如下空间维度预处理：将各个所述小网格的指定时间间隔内的若干个刑事案件数量和与所述刑事案件相关联的所述属性数据集中的每一个所述属性数据分别进行累加，得到各个所述小网格在指定时间间隔的刑事案件数量数据和关联属性特征数据；构建一个前t时刻包括所述刑事案件数量数据和所述关联属性特征数据的历史记录值{X₁，X₂，...，X_t}和和{E₁，E₂，...，E_t}，其中X_i是i时刻该城市的刑事案件数量分布图，E_i是i时刻该城市的关联属性特征数据矩阵；其中X_t∈N^I×J，每一个元素x_i，j∈X_t表示索引为第i行第j列地区的刑事案件收案数量；E_t∈N^I×J，每一个元素e_i，j∈E_t表示索引为第i行第j列地区的关联属性特征向量；

步骤2.3、根据观测数据集的{X₁，X₂，...，X_t}和{E₁，E₂，...，E_t}分别求得均值μ_x、μ_e和标准差σ_x、σ_e，从而得到归一化的历史刑事案件数量和归一化的关联属性特征数据集。

4.如权利要求3所述的基于时空关联性分析的法院收结案数量预测方法，其特征在于，所述步骤2.3中求均值μ_x、μ_e和标准差σ_x、σ_e的计算公式如下：

。