题目：一种基于时间序列的数据挖掘方法在警情领域中的应用研究

时间序列数据挖掘是从大量的时间序列数据集中提取潜在的、有用的知识，据此预测时间序列的未来。本文针对特定领域中呈现周期变化特征的时间序列，应用了规范化周期自循环方法，提取该时间序列中的周期规律，对时间序列未来观测值进行预测。并基于以上方法，对警情时间序列不同周期和不同时间单位观测值的周期性进行研究，以选取满足要求的警情时间序列进行警情预测，并采用实际警情数据对预测算法进行了实例验证和性能分析。本文主要研究内容包括：(1) 在对三种属性数据规范化方法比较分析的基础上，选择z-score规范化(零-均值规范化)方法作为提取时间序列观测值周期特征的方法；(2) 基于自回归模型AR(p)，针对某些具有特定周期特性的时间序列，应用周期自循环方法，并且使用杜利特尔(Doolittle)分解法求解目标方程，计算时间序列预测值；(3) 采用基于规范化周期自循环方法的时间序列预测的算法，给出了从原始时间序列观测值到计算预测值的具体步骤；(4) 对警情时间序列观测特征值进行分析，得到符合规范化周期自循环算法条件的警情时间序列，并根据分析的结果，获得用于警情时间序列预测的三种不同时间刻度，并据此完成警情预测。 本文使用的规范化周期自循环方法已在“海淀分局警情系统”分析预测模块中实现。据初步的资料分析，目前在国内采用时间序列数据挖掘技术进行警情分析尚属首次。