随着改革强军的稳步推进,部队信息化正在加速发展,各大战区、军兵种、军委机关的数据量迅速增长。武警警务数据作为部队数据之一,虽然具有广阔的应用前景但由于保密规定限制,敏感度高,不易从互联网获取等特点,一直未被各级重视和合理利用,本文在深入了解国内外警务数据分析研究的基础上,合理地采用LSTM神经网络模型,对处理后的武警警务数据进行训练,用来预测未来一段时间内某个地区发生危及社会稳定的重大事件的数量。具体研究内容如下:1.传统的武警警务数据存储方式粗放多样,复杂而繁琐,数据源涉及众多领域,类别多,结构各异,有着大量的无用信息。本文对警务原始数据进行了整理和分类,采用删除法和填充法处理数据中的缺失值,对于离散型数据运用one-hot编码来处理属性分类问题,并运用数据概化方法来提升数据的一致性,通过将现有数据中的信息进行清洗,筛选,将数据的储存变得标准化,归一化,达到预测系统可以应用的水平。2.本文对原始武警警务数据进行收集和处理后,将之用于训练LSTM神经网络模型。本文设置24种不同的参数,进行不同的测试,最终得到了一个相对有价值的预测模型。