基于气象因子深度学习的森林火灾预测方法

编号 zgly0001667203

文献类型 期刊论文

文献题名 基于气象因子深度学习的森林火灾预测方法

作者 孙立研  刘美玲  周礼祥  于洋 

作者单位 东北林业大学信息与计算机工程学院  哈尔滨工程大学计算机科学与技术学院 

母体文献 林业工程学报 

年卷期 2019年03期

年份 2019 

分类号 S762.2 

关键词 森林火灾  预测模型  气象因子  深度信念网络  SMOTE算法 

文摘内容 森林火灾一旦发生将对生态系统造成严重的破坏,间接导致气候的变化和极端天气频发。对森林火灾的发生进行准确预测可提前采取有效的防控措施,具有重要意义。传统林火预测模型多为数学方法和浅层神经网络,当数据量增大时易出现建模困难以及预测精度降低等问题。深度学习模型在处理大量非线性数据上具有一定的优势,其模型具有多层网络结构,通过训练大量数据可提取出具有代表性的特征值,发现数据间的隐含关系,达到准确分类预测的目的。因此,本研究提出一种基于深度学习的林火预测方法,将深度信念网络(deep belief network,DBN)作为预测模型,气象因子作为输入数据,以解决传统林火预测模型在面对大量数据时预测效果不佳的问题;同时结合过采样SMOTE(synthetic minority oversampling technique)算法,平衡林火数据集和增加训练数据量,提升了森林火灾的预测准确度。结果表明,在面对更大的数据量时,该模型预测精度明显优于其他传统林火预测模型,证明了将深度学习应用在林火预测的优越性。该研究可为深度学习在林业领域的应用提供参考。