摘要：為了利用歷史數據對犯罪態勢進行更加準確的預測,提出一種基于改進長短期記憶(long short-term memory,LSTM)網絡的犯罪態勢預測方法.首先統計某區域在每一個時間步長內發生犯罪事件的數量,作為一個時間步長值,再由多個時間步長組成一個時間序列,結合均方差濾波對統計的序列數據做標準化處理.其次建立包括輸入層、隱藏層、全連接層和輸出層的LSTM網絡,在訓練階段將以上一段時間步長的預測值作為輸入改為以實際值作為輸入,根據修正的網絡參數循環進行后續的預測,再對網絡輸出進行標準化逆處理得到預測結果.將2016年美國洛杉磯地區統計的全部犯罪記錄作為實驗數據,得到了態勢擬合度較高的實驗結果,與改進前相比,預測結果的均方根誤差(root mean square error,RMSE)從139.65降低到了85.88,驗證了基于改進LSTM網絡對犯罪態勢預測的有效性和準確性,并且通過與其他現有方法的對比,進一步證明了本方法在時間性能和準確性上的優越性.