[发明专利]一种犯罪预测方法、装置、终端和存储介质

权利要求书

1.一种犯罪预测方法，其特征在于，包含如下步骤：

获取由M个以时间先后顺序排列的时间段序列T_i，i＝1,2,…,M，M为自然数，选定目标地理区域，所述目标地理区域被划分为若干网络区域；获取每个网络区域所对应的目标犯罪类型C_j的数量序列N₀^j,N₁^j,…，N_M^j，其中，j＝1,2,…,16，N_i^j为时间段T_i中所述目标犯罪类型C_j对应的犯罪案件数量，获取19个影响犯罪案件数量的历史环境因素并构成矩阵X_1x19；

生成16个目标犯罪类型在M个时间段对应的上周案发总量、年同比案发总量、上周环比案发总量和日环比案发总量，并构成环比矩阵序列X¹_16x4，X²_16x4，…，X^M_16x4，其中，Xⁱ_16x4为时间段T_i对应的环比矩阵，X_16x4包含有16行4列，16行分别一一对应16个目标犯罪类型，4列分别一一对应上周案发总量、年同比案发总量、上周环比案发总量和日环比案发总量；

构建第一神经网络模型，第一神经网络模型包括一个输入层和一个输出层，其中，连接输入层和输出层的W_4x1和B_16x1，矩阵计算为：Z_16x1＝X_16x4W_4x1+B_16x1，Y_16x1＝tanh(Z_16x1)，其中，输出的Y_16x1为16个目标犯罪类型的犯罪案件数量的趋势值；

构建第二神经网络模型，第二神经网络模型包括一个输入层，第一隐藏层、第二隐藏层、第三隐藏层和一个输出层，

其中，连接输入层和第一隐藏层的是W_19x10和B_1x10，矩阵计算为：Z⁽¹⁾_1x10＝X_1x19W_19x10+B_1x10，Y⁽¹⁾_1x10＝tanh(Z⁽¹⁾)；

连接第一隐藏层和第二隐藏层的是W_10x5和B_16x1，矩阵计算为：Z⁽²⁾_1x5＝Y⁽¹⁾_1x10W_10x5+B_16x1，Y⁽²⁾_1x5＝tanh(Z⁽²⁾)；

连接第二隐藏层和第三隐藏层的是W_5x3和B_1x3，矩阵计算为：Z⁽³⁾_1x3＝Y⁽²⁾_1x5W_5x3+B_1x3，Y⁽³⁾_1x3＝tanh(Z⁽³⁾)；

连接第三隐藏层和输出层的是W_3x1和B_1x1，矩阵计算为：Z⁽⁴⁾_1x1＝Y⁽³⁾_1x3W_3x1+B_1x1，Y⁽⁴⁾_1x1＝tanh(Z⁽⁴⁾_1x1)；

其中，Y⁽⁴⁾_1x1为犯罪案件数量的误差值；

基于环比矩阵序列X¹_16x4，X²_16x4，…，X^M_16x4和矩阵X_1x19，对第一、第二神经网络模型进行训练；

调用第一、第二神经网络模型的模型预测结果，两者相加就得到未来时间段内目标区域目标案件类型的犯罪案件数量的预测值。