10.13360/j.issn.2096-1359.2019.03.021
基于粒子群算法和BP神经网络的多因素林火等级预测模型
针对现有小尺度林火预测模型预测结果有效性、可扩展性等方面的不足,通过考虑多种火险因素,构建BP神经网络预测模型以提高预测精度,在此基础上借助粒子群算法加快BP神经网络收敛速度,进而提出一种混成的多因素森林火险等级预测模型particle swarm optimization based back-propagation neural network(PSO-BP).所构建的预测模型,能够同时考虑气候因素(日最高气温、日平均气温、24 h降水量、连旱天数、日照时数、日平均相对湿度、日平均风速)、地形地貌因素(海拔、坡度、坡向、土壤含水量)、可燃物因素(植被类型、可燃物含水率、地被物载量)、人为因素(人口密度、距人类活动区域的距离)16个变量.基于南京林业大学下蜀林场森林防火实验站传感器网络所采集的实际数据及现场测量数据,通过一组试验验证提出模型的有效性.结果 表明:基于训练数据集及检验样本所构建的模型能够开展有效的火险等级预测;模型的计算复杂度较单独使用BP神经网络模型明显下降.
森林火险等级、林火因子、BP神经网络、粒子群算法、多因素森林火险等级预测模型
4
TP315(计算技术、计算机技术)
教育部人文社会科学研究青年基金项目18YJCZH170;国家社会科学基金重点项目18AGL017;南京林业大学青年科技创新基金CX2016031;南京林业大学大学生创新训练计划201810298016Z,2018NFUSPITP267,2018NFUSPITP293
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
137-144