简介:大数据是建立在全数据基础上,通过数据分析发现事物的相关关系,再运用发现的相关关系对事物发展趋势做出预测的数据分析理念和分析方法。依托案件管理系统,对各类案件进行大数据分析,可以发现特征证据要素与证成(证伪)犯罪之间具有的正相关(或负相关)关系、零相关关系。运用这些相关关系可以发现某类案件的证据状况,从而预警正在办理的案件可能发生的问题;判断证据发展的趋势,为证据结构调整做好准备;结合自由心证理念,增强审查定案的信心;根据证据缺陷,及时寻找弥补措施。由于在理论和实践上面临的困境,当前利用大数据审查认定案件主要局限于预测案件走向。不过,伴随大数据查询使用机制的建立,特征证据认定标准体系的确立,大数据网络共享机制的建立,大数据价值由预测转向适用不无可能。
简介:目的:为弥补当前公安情报分析中主要依赖经验分析的不足,对ARIMA模型在刑事类警情预测中的应用展开探讨,为刑事类警情的早期预警提供决策依据。方法:应用ARIMA模型对某市2015年1月至2017年12月刑事类警情数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型。结果:某市刑事类警情整体上呈下降趋势;选取的最优模型ARIMA(0,0,0)(0,1,1)能较好地拟合既往时间段某市刑事类警情的变化;对某市2018年1月的刑事类警情实证预测表明,所选模型的算法拟合度较高,在95%的置信区间之内(预测值290次,真实值315次),模型短期预测效果较为理想。结论:ARIMA模型可以应用于刑事类警情的情报分析与预测,建议在实际应用中应进一步推广。