1.一种系列犯罪案件地理目标预测方法，其特征在于：A、模型计算区域的确定

对连环案件进行区域划分后，依据犯罪分子有效案件点的分布确定模型计算区域；构建XY坐标系，确定每个案件发生的地点坐标(x，y)；

B、曼哈顿距离的计算

将地模型计算区域划分为有限的栅格，并确定模型计算区域内每个小栅格点与所有犯罪点或案件相关点间的曼哈顿距离d；

C、构建距离递减函数f(d)

构建模型计算区域上的每一点对于每个犯罪地点的距离递减函数f(d)；

D、相关性因子的模糊化

将高相关性的因子通过模糊化提取出来作为模型修正参数加入到CGT的计算模型中从而得到改进CGT模型；

E、计算犯罪分子居住地概率

通过将模型计算区域每一点的所有距离递减函数值加权后相加，作为该点为犯罪分子居住地可能性的最后值。

2.根据权利要求1所述的一种系列犯罪案件地理目标预测方法，其特征在于，所述的有效案件是指犯罪手法相似，作案对象相似，案件类型相似或作案地点相似，警察能够判断出属于连环案件的案件。

3.根据权利要求1所述的一种系列犯罪案件地理目标预测方法，其特征在于，步骤C中的距离递减函数为：当d

当d≥B时有：

其中，φ是权重因数；B是缓冲区半径(现有有效案件的距离统计数据的正态分布构建中的期望值，即现有有效案件曼哈顿距离d的平均值)；h、g是经验指数。

4.根据权利要求1所述的一种系列犯罪案件地理目标预测方法，其特征在于，步骤D高相关性的因子包括交通环境G、警务安保P和犯罪地点概率因子U，交通环境由道路条数来确定；

选用三角形隶属函数实现交通环境和警务安保的模糊化，作案交通环境G、警务安保P及犯罪地点概率因子U的模糊语言变量子集分别如下：G：{SG(交通环境不便),MG(交通环境适中),LG(交通环境便利)}P：{SP(警务安保差),MP(警务安保适中),LP(警务安保好)}U：{VB(可能性很大),B(可能性大),M(可能性适中),S(可能性小),VS(可能性很小)}。

5.根据权利要求4所述的一种系列犯罪案件地理目标预测方法，其特征在于，犯罪地点概率因子选用三角形隶属函数，根据交通环境和警务安保的模糊化，实现概率因子的模糊化，将所有格网点(i,j)通过模糊化后，可以得到格网点模糊系数hij＝uij。

6.根据权利要求5所述的一种系列犯罪案件地理目标预测方法，其特征在于，通过模糊控制后，得到改进后的地理目标模型，如下所示：式中，P'ij是嫌疑人居住在网格点(i,j)的概率值，k是一个常数，用来放大整体的概率数值；hij是格网点模糊系数；f和g均为经验值常数；xi、yj分别是第i行，第j列对应格网点的坐标值；xn、yn是第n个案件点的坐标值。