摘要：為了利用歷史數(shù)據(jù)對犯罪態(tài)勢進行更加準確的預(yù)測,提出一種基于改進長短期記憶(long short-term memory,LSTM)網(wǎng)絡(luò)的犯罪態(tài)勢預(yù)測方法.首先統(tǒng)計某區(qū)域在每一個時間步長內(nèi)發(fā)生犯罪事件的數(shù)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(jié)合均方差濾波對統(tǒng)計的序列數(shù)據(jù)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(wǎng)絡(luò),在訓練階段將以上一段時間步長的預(yù)測值作為輸入改為以實際值作為輸入,根據(jù)修正的網(wǎng)絡(luò)參數(shù)循環(huán)進行后續(xù)的預(yù)測,再對網(wǎng)絡(luò)輸出進行標準化逆處理得到預(yù)測結(jié)果.將2016年美國洛杉磯地區(qū)統(tǒng)計的全部犯罪記錄作為實驗數(shù)據(jù),得到了態(tài)勢擬合度較高的實驗結(jié)果,與改進前相比,預(yù)測結(jié)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(wǎng)絡(luò)對犯罪態(tài)勢預(yù)測的有效性和準確性,并且通過與其他現(xiàn)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(yōu)越性.