戴雨辰，杜彦辉

（中国人民公安大学警务信息工程与网络安全学院，北京100038）

0 引言

对于暴恐案件危害程度的预测研究可以帮助公安机关对某个涉恐组织针对不同目标策划发动的暴恐案件危害程度进行研判，合理有效地对警力资源进行分配，对重点场所制定适合的巡防策略，最大程度的预防重大涉恐案件的发生。本文通过现有的暴恐案件统计数据，通过对案件数据进行特征重新构建，应用网格搜索法对随机森林模型进行优化来对暴恐案件的危害程度进行预测，为针对性的开展暴恐管控工作、提出案件处置建议提供支持。本文研究所选取的数据来源于全球恐怖主义数据库（Global Terrorism Database，GTD数据库），根据GTD数据库的统计，自1970年到2018年期间，全球共发生十九万余起暴力恐怖袭击。虽然自2014年之后全球暴恐案件发生呈下降趋势，但国际反恐形势依然十分严峻。

在国内外相关研究中，文献[1]提出了一种基于长短期记忆网络进行时间序列预测的方法，对犯罪趋势以及案发量进行预测；文献[2]将粒子群优化算法（PSO）引入BP神经网络，对案件的发案数量进行预测；文献[3]采用了基于时空分析的可视化技术和K近邻算法，用于研究不同犯罪在区域内的分布；文献[4]利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据；文献[5]抽象出案发现场的各项特征，建立以分类算法为基础的特征识别模型，对犯罪人的地域特征进行识别；……