Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "JH Garc\u00eda-G\u00f3mez, SI Valdez, H Carlos", 
2
  "author": "JH Garc\u00eda-G\u00f3mez, SI Valdez, H Carlos", 
            
3
  "author_email": null, 
3
  "author_email": null, 
            
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
5
  "extras": [
5
  "extras": [
            
6
    {
6
    {
            
7
      "key": "Publicaci\u00f3n", 
7
      "key": "Publicaci\u00f3n", 
            
8
      "value": "Conferencia"
8
      "value": "Conferencia"
            
9
    }, 
9
    }, 
            
10
    {
10
    {
            
11
      "key": "Tipo", 
11
      "key": "Tipo", 
            
12
      "value": "Publicaci\u00f3n"
12
      "value": "Publicaci\u00f3n"
            
13
    }
13
    }
            
14
  ], 
14
  ], 
            
15
  "groups": [
15
  "groups": [
            
16
    {
16
    {
            
17
      "description": "Este grupo integra las publicaciones 
17
      "description": "Este grupo integra las publicaciones 
            
18
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
18
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
            
19
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
19
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
            
20
presentados en congresos nacionales e internacionales, manuscritos en 
20
presentados en congresos nacionales e internacionales, manuscritos en 
            
21
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
21
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
            
22
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
22
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
            
23
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
23
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
            
24
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
24
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
            
25
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
25
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
            
26
      "display_name": "Publicaciones", 
26
      "display_name": "Publicaciones", 
            
27
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
27
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
            
28
      "image_display_url": "", 
28
      "image_display_url": "", 
            
29
      "name": "publicaciones", 
29
      "name": "publicaciones", 
            
30
      "title": "Publicaciones"
30
      "title": "Publicaciones"
            
31
    }
31
    }
            
32
  ], 
32
  ], 
            
33
  "id": "c67f80e5-db87-486a-b984-71de9f4b81db", 
33
  "id": "c67f80e5-db87-486a-b984-71de9f4b81db", 
            
34
  "isopen": false, 
34
  "isopen": false, 
            
35
  "license_id": null, 
35
  "license_id": null, 
            
36
  "license_title": null, 
36
  "license_title": null, 
            
37
  "maintainer": null, 
37
  "maintainer": null, 
            
38
  "maintainer_email": null, 
38
  "maintainer_email": null, 
            
39
  "metadata_created": "2025-10-11T01:23:12.803847", 
39
  "metadata_created": "2025-10-11T01:23:12.803847", 
            
n
40
  "metadata_modified": "2025-10-11T01:23:12.803869", 
n
40
  "metadata_modified": "2025-10-11T01:23:13.355261", 
            
41
  "name": 
41
  "name": 
            
42
ate-of-guanajuato-using-lstm-and-geospatial-information-e8b8b0c1ae66", 
42
ate-of-guanajuato-using-lstm-and-geospatial-information-e8b8b0c1ae66", 
            
43
  "notes": "In the last years, intentional homicides have increased 
43
  "notes": "In the last years, intentional homicides have increased 
            
44
significantly in Mexico. A proven strategy to confront the problem is 
44
significantly in Mexico. A proven strategy to confront the problem is 
            
45
applying predictive methods used to anticipate the resources and 
45
applying predictive methods used to anticipate the resources and 
            
46
logistics of the security corps. This work tackles the forecasting of 
46
logistics of the security corps. This work tackles the forecasting of 
            
47
intentional homicides using three forecasting methods: ARIMA, LSTM, 
47
intentional homicides using three forecasting methods: ARIMA, LSTM, 
            
48
and NeuralProphet, applied to the 16 municipalities of Guanajuato 
48
and NeuralProphet, applied to the 16 municipalities of Guanajuato 
            
49
state with the highest count. The approach is replicable to all 
49
state with the highest count. The approach is replicable to all 
            
50
Mexico's municipalities since the same data are reported. We conducted 
50
Mexico's municipalities since the same data are reported. We conducted 
            
51
an exhaustive search of optimal hyper-parameters of the LSTM and an 
51
an exhaustive search of optimal hyper-parameters of the LSTM and an 
            
52
exhaustive search for the optimal lag for NeuralProphet. In the same 
52
exhaustive search for the optimal lag for NeuralProphet. In the same 
            
53
regard, different combinations of neighboring municipalities were 
53
regard, different combinations of neighboring municipalities were 
            
54
tested to include geospatial information. The methods are compared via 
54
tested to include geospatial information. The methods are compared via 
            
55
MAE, MSE, and bootstrap hypothesis tests. LSTM improved with 
55
MAE, MSE, and bootstrap hypothesis tests. LSTM improved with 
            
56
geospatial data, so the best LSTM model showed a superior performance 
56
geospatial data, so the best LSTM model showed a superior performance 
            
57
to the ARIMA by 23.1% in the MAE and 35.6% in the MSE. On the other 
57
to the ARIMA by 23.1% in the MAE and 35.6% in the MSE. On the other 
            
58
hand, NeuralProphet showed a similar performance to the ARIMA 
58
hand, NeuralProphet showed a similar performance to the ARIMA 
            
59
according to the bootstrap hypothesis test, showing no statistically 
59
according to the bootstrap hypothesis test, showing no statistically 
            
60
significant difference between them. The results show that the 
60
significant difference between them. The results show that the 
            
61
phenomenon is related to the spatial context and encourage the use of 
61
phenomenon is related to the spatial context and encourage the use of 
            
62
geospatial information in forecasting models.", 
62
geospatial information in forecasting models.", 
            
n
63
  "num_resources": 0, 
n
63
  "num_resources": 1, 
            
64
  "num_tags": 8, 
64
  "num_tags": 8, 
            
65
  "organization": {
65
  "organization": {
            
66
    "approval_status": "approved", 
66
    "approval_status": "approved", 
            
67
    "created": "2022-05-19T00:10:30.480393", 
67
    "created": "2022-05-19T00:10:30.480393", 
            
68
    "description": "Observatorio Metropolitano CentroGeo", 
68
    "description": "Observatorio Metropolitano CentroGeo", 
            
69
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
69
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
70
    "image_url": 
70
    "image_url": 
            
71
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
71
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
72
    "is_organization": true, 
72
    "is_organization": true, 
            
73
    "name": "observatorio-metropolitano-centrogeo", 
73
    "name": "observatorio-metropolitano-centrogeo", 
            
74
    "state": "active", 
74
    "state": "active", 
            
75
    "title": "Observatorio Metropolitano CentroGeo", 
75
    "title": "Observatorio Metropolitano CentroGeo", 
            
76
    "type": "organization"
76
    "type": "organization"
            
77
  }, 
77
  }, 
            
78
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
78
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
79
  "private": false, 
79
  "private": false, 
            
80
  "relationships_as_object": [], 
80
  "relationships_as_object": [], 
            
81
  "relationships_as_subject": [], 
81
  "relationships_as_subject": [], 
            
t
82
  "resources": [], 
t
82
  "resources": [
            
83
    {
            
84
      "cache_last_updated": null, 
            
85
      "cache_url": null, 
            
86
      "created": "2025-10-11T01:23:13.384379", 
            
87
      "datastore_active": false, 
            
88
      "description": "In the last years, intentional homicides have 
            
89
increased significantly in Mexico. A proven strategy to confront the 
            
90
problem is applying predictive methods used to anticipate the 
            
91
resources and logistics of the security corps. This work tackles the 
            
92
forecasting of intentional homicides using three forecasting methods: 
            
93
ARIMA, LSTM, and NeuralProphet, applied to the 16 municipalities of 
            
94
Guanajuato state with the highest count. The approach is replicable to 
            
95
all Mexico's municipalities since the same data are reported. We 
            
96
conducted an exhaustive search of optimal hyper-parameters of the LSTM 
            
97
and an exhaustive search for the optimal lag for NeuralProphet. In the 
            
98
same regard, different combinations of neighboring municipalities were 
            
99
tested to include geospatial information. The methods are compared via 
            
100
MAE, MSE, and bootstrap hypothesis tests. LSTM improved with 
            
101
geospatial data, so the best LSTM model showed a superior performance 
            
102
to the ARIMA by 23.1% in the MAE and 35.6% in the MSE. On the other 
            
103
hand, NeuralProphet showed a similar performance to the ARIMA 
            
104
according to the bootstrap hypothesis test, showing no statistically 
            
105
significant difference between them. The results show that the 
            
106
phenomenon is related to the spatial context and encourage the use of 
            
107
geospatial information in forecasting models.", 
            
108
      "format": "HTML", 
            
109
      "hash": "", 
            
110
      "id": "07377713-5195-4c0b-9a51-0cd6a109e9e6", 
            
111
      "last_modified": null, 
            
112
      "metadata_modified": "2025-10-11T01:23:13.361507", 
            
113
      "mimetype": null, 
            
114
      "mimetype_inner": null, 
            
115
      "name": "Homicide forecasting for the state of Guanajuato using 
            
116
LSTM and geospatial information", 
            
117
      "package_id": "c67f80e5-db87-486a-b984-71de9f4b81db", 
            
118
      "position": 0, 
            
119
      "resource_type": null, 
            
120
      "size": null, 
            
121
      "state": "active", 
            
122
      "url": "https://doi.org/10.1109/enc56672.2022.9882957", 
            
123
      "url_type": null
            
124
    }
            
125
  ], 
            
83
  "state": "active", 
126
  "state": "active", 
            
84
  "tags": [
127
  "tags": [
            
85
    {
128
    {
            
86
      "display_name": "artificial-intelligence", 
129
      "display_name": "artificial-intelligence", 
            
87
      "id": "47cb06d3-c2a4-42af-b633-03eea6181083", 
130
      "id": "47cb06d3-c2a4-42af-b633-03eea6181083", 
            
88
      "name": "artificial-intelligence", 
131
      "name": "artificial-intelligence", 
            
89
      "state": "active", 
132
      "state": "active", 
            
90
      "vocabulary_id": null
133
      "vocabulary_id": null
            
91
    }, 
134
    }, 
            
92
    {
135
    {
            
93
      "display_name": "autoregressive-integrated-moving-average", 
136
      "display_name": "autoregressive-integrated-moving-average", 
            
94
      "id": "84d0899a-0cce-49ed-a1c5-55f1f2910c57", 
137
      "id": "84d0899a-0cce-49ed-a1c5-55f1f2910c57", 
            
95
      "name": "autoregressive-integrated-moving-average", 
138
      "name": "autoregressive-integrated-moving-average", 
            
96
      "state": "active", 
139
      "state": "active", 
            
97
      "vocabulary_id": null
140
      "vocabulary_id": null
            
98
    }, 
141
    }, 
            
99
    {
142
    {
            
100
      "display_name": "computer-science", 
143
      "display_name": "computer-science", 
            
101
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
144
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
102
      "name": "computer-science", 
145
      "name": "computer-science", 
            
103
      "state": "active", 
146
      "state": "active", 
            
104
      "vocabulary_id": null
147
      "vocabulary_id": null
            
105
    }, 
148
    }, 
            
106
    {
149
    {
            
107
      "display_name": "context-archaeology", 
150
      "display_name": "context-archaeology", 
            
108
      "id": "a031c0ee-d17a-4f2b-a798-26d36b194438", 
151
      "id": "a031c0ee-d17a-4f2b-a798-26d36b194438", 
            
109
      "name": "context-archaeology", 
152
      "name": "context-archaeology", 
            
110
      "state": "active", 
153
      "state": "active", 
            
111
      "vocabulary_id": null
154
      "vocabulary_id": null
            
112
    }, 
155
    }, 
            
113
    {
156
    {
            
114
      "display_name": "econometrics", 
157
      "display_name": "econometrics", 
            
115
      "id": "4012759c-588f-49af-8586-166086a779ca", 
158
      "id": "4012759c-588f-49af-8586-166086a779ca", 
            
116
      "name": "econometrics", 
159
      "name": "econometrics", 
            
117
      "state": "active", 
160
      "state": "active", 
            
118
      "vocabulary_id": null
161
      "vocabulary_id": null
            
119
    }, 
162
    }, 
            
120
    {
163
    {
            
121
      "display_name": "geospatial-analysis", 
164
      "display_name": "geospatial-analysis", 
            
122
      "id": "acd92b42-66d6-40aa-81b1-f0129fe5c6a9", 
165
      "id": "acd92b42-66d6-40aa-81b1-f0129fe5c6a9", 
            
123
      "name": "geospatial-analysis", 
166
      "name": "geospatial-analysis", 
            
124
      "state": "active", 
167
      "state": "active", 
            
125
      "vocabulary_id": null
168
      "vocabulary_id": null
            
126
    }, 
169
    }, 
            
127
    {
170
    {
            
128
      "display_name": "machine-learning", 
171
      "display_name": "machine-learning", 
            
129
      "id": "99557dd8-2914-4e28-8278-7a042cfb23d0", 
172
      "id": "99557dd8-2914-4e28-8278-7a042cfb23d0", 
            
130
      "name": "machine-learning", 
173
      "name": "machine-learning", 
            
131
      "state": "active", 
174
      "state": "active", 
            
132
      "vocabulary_id": null
175
      "vocabulary_id": null
            
133
    }, 
176
    }, 
            
134
    {
177
    {
            
135
      "display_name": "time-series", 
178
      "display_name": "time-series", 
            
136
      "id": "1caecee0-56f0-4346-bd8f-69ac1d3f1c2c", 
179
      "id": "1caecee0-56f0-4346-bd8f-69ac1d3f1c2c", 
            
137
      "name": "time-series", 
180
      "name": "time-series", 
            
138
      "state": "active", 
181
      "state": "active", 
            
139
      "vocabulary_id": null
182
      "vocabulary_id": null
            
140
    }
183
    }
            
141
  ], 
184
  ], 
            
142
  "title": "Homicide forecasting for the state of Guanajuato using 
185
  "title": "Homicide forecasting for the state of Guanajuato using 
            
143
LSTM and geospatial information", 
186
LSTM and geospatial information", 
            
144
  "type": "dataset", 
187
  "type": "dataset", 
            
145
  "url": "https://doi.org/10.1109/enc56672.2022.9882957", 
188
  "url": "https://doi.org/10.1109/enc56672.2022.9882957", 
            
146
  "version": null
189
  "version": null
            
147
}
190
}