监狱作为警务工作的一个特殊场合,其信息化水平依旧不高,传统的监狱管理系统仅仅是将监狱原来的纸质数据录入到数据库中,存在一线狱警工作量大,无法发挥存储于数据库中的数据价值等问题。为满足监狱安全防范工作由“被动防守”向“主动预警”的转变需要。本文通过结合监狱数据信息特征,研究监督学习算法对数据分析预测的作用,并在现有监狱数据基础上,通过数据分析预测实现对罪犯的分级管控,从而达到“准确预测、及时预警、有效预防”（三预）的目的。（1）针对现有监狱数据,通过走访解读数据库中罪犯信息相关表格,利用纸质档案对数据表的缺省值进行补充,结合数据属性特征的重要性排序指标,选取合适的特征作为影响因素。针对现有的纸质版案例,通过通过人工解读、手动录入的方式构建模型需要的案例库数据集,之后结合数据属性特征的重要性排序指标,选取相应的特征作为影响因素。（2）研究用于监狱系统分析预警的集成学习Blending算法。针对罪犯分类数据集的非线性特征,提出一个基于Blending的罪犯分类模型判断是否为重点罪犯;再针对案例库数据集提出一个基于Blending的重点罪犯危险度分析模型,从而实现对于罪犯的分析与预警。通过实验验证,在现有数据集下,本文提出的模型具有较高的分类预测准确率。（3）对罪犯危险度分析及预警系统的实现过程进行研究。结合软件开发瀑布模型对系统实现过程进行需求分析、设计、实现和测试。经测试,系统各功能模块逻辑清晰、运行流畅,能够满足实际场景中的应用需要,达到了研究目的。