论文部分内容阅读
森林火灾是影响和破坏性极大的自然灾害之一。随着全球气候的变暖,增加了森林火灾的发生概率,造成森林资源的巨大损失,严重破坏了自然环境和生态平衡。不但影响了社会经济的发展,而且危害人类的生命和财产安全。森林火灾具有突发性和随机性的特点,同时,也与当时的气象因素存在一定的关系。林火预测预报是森林防火建设的重要前提,做好森林火险等级的预报对指导森林防火具有重要意义。气象因子是影响森林火险的重要因素,森林火险等级的高低代表林火发生的概率大小和其蔓延的速度。根据中国统计年鉴的数据统计,江西省2004~2013年间森林火灾的发生次数、受灾森林面积和造成的经济损失都位于全国前十,森林火灾发生频繁。本文于中国气象数据共享网搜集了江西省四个站点(南昌、景德镇、吉安、赣州)2013年10月至2015年6月的气象数据,包含了17个气象因子。并在江西省森林防火网搜集这段时间的森林火险等级数据,为保证实验数据的完整性和正确性,从中筛选了1017组数据作为本文的实验样本。然后运用SPSS数据处理软件对实验样本数据组进行相关性分析,统计分析17个气象因子与森林火险等级之间的相关性,根据统计结果选取了与火险等级显著相关的13个气象因子,利用BP神经网络构建林火预测模型。本文对BP神经网络模型进行了设计,采用实验试凑法确定BP神经网络的最优拓扑结构,根据实验的结果,当隐含层的神经元个数为16时,模型的预测正确率最高,达到70.18%,因此确定了BP神经网络的拓扑结构为13-16-1。为了进一步提高林火预测模型的预测正确率,需要对BP神经网络进行优化改进。本文分别采用遗传算法、粒子群算法和PSO-GA算法对BP神经网络的权值和阈值进行优化,构建了相应的林火预测模型,并使用实验数据进行仿真预测实验。比较各个模型的预测正确率,并比较各预测模型的性能。实验结果表明四个优化的预测模型中,本文提出的PSO-GA优化的BP神经网络预测模型能够提高预测正确率,神经网络的训练误差性能好。