1.基于时空尺度自适应模型的城市侵财案件预测系统，其特征在于，包括：模型计算任务管理模块、模型定义模块、模型训练模块、模型预测模块、预测结果展示模块、模型注册模块；模型计算任务管理模块用于选择任务模型、查看城市侵财案件模型计算进度、获取模型计算结果、管理历史模型任务；模型定义模块用于定义城市侵财案件模型结构、模型的输入城市侵财案件数据；模型训练模块用于训练输入数据，形成稳定的、拟合度较高的城市侵财案件模型；模型预测模块用于输入需要预测的城市侵财案件数据时空范围，带入训练模块得到训练结果模型，进行预测；预测结果展示模块用于预测结果可视化展示；模型注册模块用于注册新的城市侵财案件预测模型。

2.一种基于时空尺度自适应模型的城市侵财案件预测方法，其特征在于，包括如下步骤：(1)城市侵财案件的金字塔分层格网化统计；应用金字塔分层格网化方法快速统计不同层级的侵财案件分布情况，从而获取不同空间分辨率下的案件分布图，同时对相同层级下的案件以不同时间步长进行统计；

(2)城市侵财案件时空分布特征分析；对案件数据进行统计分析，分析侵财案件时间分布特征、空间分布特征和时空分布特征，確定侵财案件数据的周期和空间分布形态；

(3)时空尺度自适应确定；结合步骤(2)中的时空分布特征，在步骤(1)金字塔分层格网化方法基础上，对相同层级下的案件以不同时间步长进行模型训练，其次对不同时空分辨率下的模型进行模拟测试，通过计算案件预测PAI指数，从而获取最优时空分辨率；

(4)构建基于ST-ResNet模型的城市侵财案件预测模型为示范；在步骤(1)金字塔分层格网化统计得到的不同时空分辨率下，基于步骤(2)分析得到的侵财案件时空分布特征，选取的相关影响因子，确定时空分布特征提取的模型参数、合适特征融合方法，构建基于ST-ResNet模型的侵财案件预测模型；通过步骤(3)时空尺度自适应选择确定最优预测时空网格，进行侵财案件的警情预测，对结果进行可视化表达。

3.如权利要求2所述的基于时空尺度自适应模型的城市侵财案件预测方法，其特征在于，步骤(1)中，城市侵财案件的金字塔分层格网化统计具体包括如下步骤：(11)将球面坐标转为平面投影坐标，计算公式为：

x＝λ                                (1)为经纬度坐标，其中λ为经度，为纬度，λ, 取值单位为弧度，(x,y)为投影坐标，其中x为平面横轴坐标，y为平面纵轴坐标；

(12)建立金字塔网格的层级编码，编码自顶向下的顺序从0开始，每个层级的网格数为

2z，其中z为层级编码；

(13)对于点A经纬度 其在金字塔第z层级的网格编号(r,c)的计算公式：

(14)在金字塔分层格网化的不同空间分辨率下根据案件点的位置信息统计侵财案件的空间分布情况。

4.如权利要求2所述的基于时空尺度自适应模型的城市侵财案件预测方法，其特征在于，步骤(2)中，城市侵财案件时空分布特征分析具体包括如下步骤：(21)通过移动平均法来分析侵财案件的时间分布特征，计算公式为：

Ft＝(At-1+At-2+At-3+…+At-n)/n                 (5)其中，Ft表示t时刻的平均值；n表示移动平均的窗口大小；At-1…At-n分别表示窗口内的实际值；

通过功率谱法来分析侵财案件的时间分布特征，计算公式为：

Tk＝2m/k                                (8)其中x(t)(t＝1，2,3…，n)，n为时间序列的长度，为时间序列的均值；s是时间序列的标准差,j的范围是0-m，m根据整体时间序列长度确定，k为波数；

(22)通过Ripley’s K方法分析侵财案件的空间分布特征，计算公式为：其中A表示区域，n表示点数，d表示距离而k(i,j)表示权重，当i和j之间的距离小于或等于d时，权重为(如果无边界校正)1，当i和j之间的距离大于d时，权重为0，应用边校正后，k(i,j)的权重略有变化；

通过高/低聚类方法分析侵财案件的空间分布特征，计算公式为：

V[G]＝E[G2]-E[G]2                               (12)其中，xi和xj表示点i和点j的属性值，wij表示点i和点j之间的空间权重，E[G]代表期望General G；

(23)通过近重复计算器来检验侵财案件时空分布的近重复性特征，近重复计算器中选择蒙特卡罗模拟方法作为显著性检验的计算方法，蒙特卡罗模拟是指在保持参与计算的案件点的空间位置不变的同时，对时间信息进行随机变化，并将时间信息赋予给原有案件点，并重复此过程多次，每次随机模拟的时空数据都会计算出相对应的矩阵表格(n×n)，假设近重复计算器中进行m次蒙特卡罗模拟，则会得到m次模拟的近重复的点对数量以及实际数据所获取的点对数量，然后对矩阵表格中的每个时空范围均可计算其显著性，显著性计算则依据实际数据的点对数量高于蒙特卡罗模拟的点对数量次数，假设存在k次实际数据点对数量较高的情况，那么显著性水平计算公式为：

5.如权利要求2所述的基于时空尺度自适应模型的城市侵财案件预测方法，其特征在于，步骤(3)中，时空尺度自适应确定具体包括如下步骤：(31)在金字塔分层格网化的基础上，对相同层级下的案件以不同时间步长进行统计侵财案件的时空分布情况；

(32)通过计算PAI指数，对比不同时空分辨率下的侵财案件时空分布预测效果，选取最优的时空尺度，PAI的计算公式如下：n是预测为有案件发生的网格区域内的案件数值，N是全部区域内实际发生的案件数量的总和，a是预测为案件发生网格区域的面积值，A是研究区的总面积值。

6.如权利要求2所述的基于时空尺度自适应模型的城市侵财案件预测方法，其特征在于，步骤(4)中，构建基于ST-ResNet模型的城市侵财案件预测模型为示范具体包括如下步骤：(41)在统一的网格空间分辨率下选取不同的卷积单元数量、卷积核大小和卷积核数量进行模型训练，选用均方根误差对模型训练结果进行对比分析，选取合适ResNet单元中卷积单元数量、卷积核大小和卷积核数量；

(42)在步骤(3)得到的最优时空尺度下，使用构建好的预测模型进行城市侵财案件的警情预测。