Details

Данная работа посвящена созданию собственного метода прогнозирования временных рядов. Задачи, которые решались в ходе исследования:  1) Обзор предметной области. 2) Обзор существующих методов прогнозирования данных. 3) Сбор, адаптация и анализ данных о преступности. 4) Применение методов машинного обучения и их сравнение. 5) Создание собственного метода прогнозирования преступности и его тестирование. 6) Составление прогноза на 2025 год для трёх разных городов Российской Федерации. Исследование было выполнено на основе данных, собранных в рамках анализа преступности в разных городах Российской Федерации. Основным источником информации послужили сайты прокуратуры различных городов. На основании собранных данных был произведён анализ эффективности современных методов прогнозирования, таких как ARIMA, Prophet и градиентный бустинг. Для этого использовались стандартные метрики оценки качества прогноза. Затем, на основании проведенных исследований был создан собственный метод прогнозирования, который значительно превосходит по точности предсказания рассмотренные ранее методы. Было проведено его тестирование на различных данных, и в итоге был составлен прогноз преступности на первое полугодие 2025 года для трёх городов – Санкт-Петербург, Севастополь и Москва и сделан его анализ. Также был произведён обзор использованных источников информации и предложены дальнейшие направления развития исследования.

This study is devoted to the development of a custom method for time series forecasting. Research Objectives: 1. Overview of the subject area. 2. Review of existing data forecasting methods. 3. Collection, adaptation, and analysis of crime data. 4. Application and comparison of machine learning methods. 5. Development and testing of a custom crime forecasting method. 6. Preparation of a forecast for 2025 for three different cities in the Russian Federation. The research was conducted using data collected during the analysis of crime statistics across various cities in the Russian Federation. The main sources of information were official websites of city prosecutors offices. Based on the collected data, an efficiency analysis of modern forecasting methods such as ARIMA, Prophet, and gradient boosting was carried out using standard metrics for evaluating forecast accuracy. As a result of the study, a custom forecasting method was developed that significantly surpasses previously considered methods in prediction accuracy. This method was tested on diverse datasets, and ultimately, a crime forecast for the first half of 2025 was created for three cities – Saint Petersburg, Sevastopol, and Moscow – followed by its analysis. Additionally, a review of the information sources used in the study was conducted, and recommendations for further research directions were proposed.

• СОДЕРЖАНИЕ
• ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ
• ВВЕДЕНИЕ
• ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ ПРЕСТУПНОСТИ
  • 1.1 Понятие и виды преступности
  • 1.2 Методы прогнозирования
    • 1.2.1 Стандартные методы прогнозирования преступности
    • 1.2.2 Методы машинного обучения
      • 1.2.2.1 Метод ARIMA
      • 1.2.2.2 Модель Prophet
      • 1.2.2.3 Метод градиентного бустинга
  • 1.3 Метрики для оценки алгоритмов
  • 1.4 Постановка задачи
• ГЛАВА 2 РЕАЛИЗАЦИЯ МЕТОДОВ ПРОГНОЗИРОВАНИЯ
  • 2.1 Подготовка данных
  • 2.2 Применение методов прогнозирования
    • 2.2.1 Применение метода ARIMA
    • 2.2.2 Применение модели Prophet
    • 2.2.3 Применение метода градиентного бустинга
• ГЛАВА 3 СОЗДАНИЕ И ТЕСТИРОВАНИЕ СОБСТВЕННОГО МЕТОДА ПРОГНОЗИРОВАНИЯ
  • 3.1 Теоретические основы созданного метода
  • 3.2 Реализация метода
  • 3.3 Опробование метода на других базах данных
    • 3.3.1 Опробование на данных по городу Севастополь
    • 3.3.2 Опробование на данных по городу Москва
  • 3.4 Построение прогноза на 2025 год
    • 3.4.1 Построение прогноза на 2025 год для города Санкт-Петербург
    • 3.4.1 Построение прогноза на 2025 год для города Севастополь
    • 3.4.1 Построение прогноза на 2025 год для города Москва
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ А КОД ПРОГРАММЫ ДЛЯ ПОСТРОЕНИЯ ПРОГНОЗА НА ПЕРВОЕ ПОЛУГОДИЕ 2025 ГОДА
• ПРИЛОЖЕНИЕ Б КОД ПРОГРАММЫ СОЗДАННОГО МЕТОДА С МЕТРИКАМИ ОЦЕНКИ ТОЧНОСТИ
• ПРИЛОЖЕНИЕ В КОД ПРОГРАММЫ ДЛЯ ПОСТРОЕНЯ ГРАФИКОВ ВИЗУАЛИЗАЦИИ ПРОГНОЗА И ИСТОРИЧЕСКИХ ДАННЫХ