91学术服务平台

您好,欢迎来到91学术官网!业务合作:91xueshu@sina.com,站长邮箱:91xszz@sina.com

发布论文

论文咨询

探究运用机器学习方法的森林火灾预警

  2020-02-16    1149  上传者:管理员

摘要:森林火灾不仅给人类生存和生活带来极大危害,而且还会对环境造成无法弥补的破坏,因此预测森林火灾行之有效的方法就是快速检测,据葡萄牙东北部的Montesinho国家公园采集测试的真实数据,对其使用支持向量机对于森林火灾进行预测。研究发现可以准确地预测规模小并发生普遍的火灾的受灾面积。

  • 关键词:
  • 受灾面积
  • 支持向量机模型
  • 机器学习
  • 森林火灾
  • 加入收藏

天气条件(如气温和相对湿度)是影响火灾发生的关键因素[1]。而自动气象站通常可以提供有效数据,这些数据可以实时采集且成本低廉。在发生火灾后,可以第一时间预测过火面积也是处理森林火灾必不可少的一环。现阶段,已有相关文献对森林火灾的预测开展了研究。白冬艳、翟印礼和陈绍志(2013)对森林火灾的受害面积运用了ARMA模型进行了模拟和预测[2]。不同于这个方法,陈海燕、张伟、邱兆文(2014)使用森林火灾数据,根据支持向量机原理建立预测模型[3]。在此基础上,储昌超、张贵和孙玉荣(2014)使用GIS中ESDA技术探索森林火灾空间分布的规律,用克里金插值方法对森林火灾进行趋势的预测[4]。在马奔、薛永基和顾艳红(2014)的研究中,应用BP神经网络模型对成灾面积进行预测[5]。王亚琴(2018)则在BP神经网络模型基础上,对采用IFOA优化的BPNN-DIOC网络用在森林火险预测进行了研究[6]。而在曹彦、何东进和洪伟(2014)的研究中使用加权马尔科夫链预测的方法建立了预测模型[7]。李晓恋(2016)集成了多通道阈值法和神经网络分类器,提出了一种以云、烟和下垫面光谱分析作为基础的森林火灾烟雾识别的算法。李志斌(2016)和余泳(2017)依据灰色系统建模理论,建立了森林火灾高火险年和重灾年灰色灾变GM(1,1)预测模型[8]。向彬彬(2018)认为传统的林区火灾预测学习算法缺点较大,提出了一种粒子群优化的极限学习林区火灾辨识模型[9]。赵界成(2019)对预测方法进行了检验,遥感技术不仅能准确预测预报火灾,还能全面监测火情[10]。本文利用来自葡萄牙东北部的Montesinho国家公园采集测试的真实数据,使用支持向量机对于森林火灾进行预测。该研究能够准确预测规模较小且发生频繁的火灾的受灾面积。


1、研究方法和数据


1.1 数据描述

本文数据来自葡萄牙东北部的Montesinho国家公园采集测试的真实数据。数据集里包含着位置信息,采集日期,FWI系统的FFMC指数、DMC指数、DC指数和ISI指数,以及温度、相对湿度、风速、雨量、面积等特征变量。本文应用的数据挖掘方法参照Cortez和Morais(2007)的研究[11],仅输入4种直接天气条件(温度、相对湿度、风速和雨量)的高斯支持向量机获得最佳MAD值:12.71±0.01(均值和置信区间在95%以内,采用t-student分布)。采用朴素均值预测方法获得最佳RMSE。对回归误差曲线(REC)的分析表明,支持向量机模型能够在较低的误差范围内预测更多的实例。

1.2 机器学习模型与特征提取

本文基于线性回归思想,通过四个气象特征(温度、相对湿度、风速和降水量)构建支持向量机模型,对于森林火灾进行预测,并分析受灾面积。机器学习模型中提取了8个重要特征,选择依据如下:

(1)地理位置坐标:地理位置坐标决定起火的起始点,不同的起始点火势蔓延的面积也是不同的。根据起火点判断起火面积是有效的方法。

(2)信息采集的月份:信息采集的月份决定火灾发生的季节,与着火面积有一定的联系。

(3)每周的其中一天:每星期决定进入山林的人数,在某些月份可能出现因为人流众多导致的特殊情况。

(4)FFMC(FWI系统的指数变量):FFMC是指细小可燃物湿度码,反映发生森林火灾的危险程度。这些物质的变化除了本身的理化性质外,与气象因素也有密切关系,是决定火灾面积的重要因素。

(5)DMC(粗腐殖质湿度码):DMC代表森林腐殖质上层的地表可燃物的含水率。它决定了火势发生后蔓延的速度和距离。

(6)DC(干旱码):DC是计算长期干旱对森林可燃物影响的指数。干旱程度是火灾蔓延速度的最大程度。

(7)ISI(初始蔓延指数FMMC+风速):ISI由FFMC和风速计算得到,代表火灾蔓延的潜在等级。

(8)气温:气温对于火灾而言是起始原因,也是火灾扩张的原因。对于气温的分析也能很好地观察到火灾的蔓延面积。


2、数据分析


我们依次绘制了X轴、Y轴、月份、日期四个特征和着火面积间的关系分析(图1),FFMC、DMC、DC、ISI四个特征与着火面积间的关系分析(图2),温度、湿度、风速、降水四个特征与着火面积间的关系分析(图3)。

图2 FFMC、DMC、DC、ISI四个特征与着火面积之间的关系分析

图3 温度、湿度、风速、降水四个特征与着火面积之间的关系分析


3、总结


本文使用Montesinho国家公园采集测试的真实数据,基于支持向量机和四个基本气象输入(如温度、相对湿度、风速和降水量),对于森林火灾进行预测研究。本文的研究对于规模较小且发生频繁的火灾受灾面积具有较好的预测性,对于我国政府建立森林火灾监测系统具有重要的借鉴意义。


参考文献:

[1]李恩来.基于最小二乘支持向量机的森林火灾预测研究[J/OL].数据挖掘,2016,6(1):15-27.

[2]白冬艳,翟印礼,陈绍志,等.基于自回归移动平均(ARMA)模型的森林火灾预测[J].林业实用技术,2013(6):72-73.

[3]陈海燕,张伟,邱兆文.SVM模型在森林火灾判断中的应用[J].安徽农业科学,2014,42(12):3684,3754.

[4]储昌超,张贵,孙玉荣.基于克里金方法的湖南森林火灾趋势预测研究[J].中南林业科技大学学报,2014,34(6):66-70.

[5]马奔,薛永基,顾艳红.修正的BP神经网络森林火灾成灾面积预测研究[J].资源开发与市场,2014,30(12):1441-1443.

[6]王亚琴.BPNN-DIOC网络优化理论及其森林火险预测研究[D].太原:太原理工大学,2018.

[7]曹彦,何东进,洪伟,等.加权马尔科夫链在福建省森林火灾预测中的应用研究[J].西南林业大学学报,2014,34(3):62-66.

[8]李志斌.基于灰色系统理论的长汀县森林火灾灾变预测[J].亚热带水土保持,2016,28(2):26-29.

[9]向彬彬.基于极限学习机的林区火灾多感监测研究[D].合肥:安徽理工大学,2018.

[10]赵界成.遥感技术在森林防火中的运用[J].农业科技与信息,2019(8):67-68.


赵健宇.基于机器学习方法的森林火灾预测研究[J].自动化应用,2019,(9):3-5.

分享:

91学术论文范文

相关论文

推荐期刊

网友评论

加载更多

我要评论

森林工程

期刊名称:森林工程

期刊人气:1219

期刊详情

主管单位:中华人民共和国教育部

主办单位:东北林业大学

出版地方:黑龙江

专业分类:农业

国际刊号:1006-8023

国内刊号:23-1388/S

邮发代号:14-170

创刊时间:1985年

发行周期:双月刊

期刊开本:大16开

见刊时间:1年以上

论文导航

查看更多

相关期刊

热门论文

【91学术】(www.91xueshu.com)属于综合性学术交流平台,信息来自源互联网共享,如有版权协议请告知删除,ICP备案:冀ICP备19018493号

400-069-1609

微信咨询

返回顶部

发布论文

上传文件

发布论文

上传文件

发布论文

您的论文已提交,我们会尽快联系您,请耐心等待!

知 道 了

登录

点击换一张
点击换一张
已经有账号?立即登录
已经有账号?立即登录

找回密码

找回密码

你的密码已发送到您的邮箱,请查看!

确 定