Aprimorando a previsão de crimes com abordagens híbridas: Integrando aprendizado de máquina e modelos estatísticos

O artigo, que tem como participante Ruam Pastor, integrante do <labiia_lab>, investiga o uso de sistemas híbridos para a previsão de séries temporais de crimes, com dados de estados brasileiros. A proposta combina modelos de Aprendizado de Máquina (AM) para capturar padrões não lineares da série temporal, seguidos pela aplicação do modelo estatístico ARIMA sobre os resíduos da previsão, para modelar os padrões lineares remanescentes. A inovação está na ordem da hibridização: aplicar primeiro o modelo de AM e depois o estatístico sobre os resíduos — o inverso do que a maioria da literatura faz.

Principais pontos

• Motivação: séries temporais de crimes são difíceis de modelar por exibirem não estacionariedade, flutuações aleatórias, mudança de conceito e sazonalidade. Modelos individuais (estatísticos ou de AM) raramente têm desempenho ótimo em todos os cenários, o que justifica abordagens híbridas que combinem os pontos fortes de cada paradigma.
• Abordagem proposta: três fases — (1) modelagem da série temporal por um modelo de AM; (2) modelagem dos resíduos pelo ARIMA (com a metodologia de Box & Jenkins); (3) combinação das duas previsões por soma. Foram desenvolvidas três versões: LSTM+ARIMA, MLP+ARIMA e SVR+ARIMA.
• Protocolo experimental: usou séries mensais de dois tipos de crime — Mortes Violentas Intencionais (MVI), em Pernambuco, Alagoas e Ceará, e Crimes contra o Patrimônio (CVP), em Pernambuco e Ceará. Dados divididos em treino (50%), validação (25%) e teste (25%), normalizados por Min-Max Scaler, com busca em grade para os hiperparâmetros. As métricas de avaliação foram RMSE e MAE. As versões propostas foram comparadas com quatro modelos individuais (ARIMA, LSTM, MLP, SVR) e três híbridos tradicionais da literatura (ARIMA+LSTM, ARIMA+MLP, ARIMA+SVR).
• Resultados: em todos os conjuntos de MVI, pelo menos uma das três versões propostas obteve o melhor desempenho em RMSE e MAE (LSTM+ARIMA em Pernambuco, MLP+ARIMA no Ceará, MLP+ARIMA e SVR+ARIMA em Alagoas). Nas séries de CVP, todas as versões propostas melhoraram o modelo de AM inicial, com a melhoria do Ceará chegando a uma ordem de grandeza. No ranking médio, as três versões propostas ocuparam as três primeiras posições, com o LSTM+ARIMA na liderança (média de ranking 2,4), seguido por MLP+ARIMA (3,7) e SVR+ARIMA (4,2). Vale notar uma exceção: o SVR+ARIMA teve desempenho ruim na série de MVI do Ceará (RMSE 0,272), o que gerou ganhos percentuais negativos em alguns comparativos.
  

Conclusão

Os autores concluem que as versões propostas superam tanto os modelos individuais quanto as combinações híbridas tradicionais, sobretudo em cenários dominados por dinâmicas complexas e não lineares, reforçando o valor de estratégias que integram diferentes paradigmas de modelagem. A análise dos resíduos mostrou-se fundamental para aprimorar a acurácia dos modelos de AM, embora em 3 dos 9 casos de MVI o modelo linear não tenha conseguido melhorar a previsão — o que evidencia o desafio inerente à modelagem dos resíduos e a importância de investigar a seleção de modelos. Como limitações, citam o número restrito de séries analisadas e a necessidade de explorar outros contextos e variáveis. Para trabalhos futuros, sugerem expandir para outros tipos de crime, incorporar variáveis exógenas, investigar novas formas de integração/seleção de modelos e empregar novas técnicas de AM e estatísticas.