当前位置: 首页 > 文章 > 基于自适应模糊神经网络的滇中灌木林火灾发生预测研究 林业资源管理 2022 (2) 109-116
Position: Home > Articles > Prediction of Shrubbery Fire in Central Yunnan Province Based on the Adaptive NeuroFuzzy Inference System Forest Resources Management 2022 (2) 109-116

基于自适应模糊神经网络的滇中灌木林火灾发生预测研究

作  者:
魏建珩;赵恒;高仲亮;王何晨阳;马泽南;王秋华;舒立福;杨红梅
单  位:
中国林业科学研究院森林生态环境与保护研究所;西南林业大学土木工程学院;陕西省林业科学院
关键词:
气象因子;逻辑斯蒂回归模型;自适应模糊神经网络算法;灌木林火;滇中地区
摘  要:
滇中地区原植被破坏严重,易燃灌木连片生长.全球气候变暖加剧,以灌木林为主的森林火灾频发,因此预测灌木林火对保护滇中地区森林资源有着重要作用.以云南省滇中地区1999—2019年灌木林火发生及其对应的气象数据为基础,选择自适应模糊神经网络推理系统(Adaptive Neuro Fuzzy Inference System,ANFIS)、逻辑斯蒂回归模型(Logistic Regression,LR),利用MATLAB、SPSS 25等软件,建立基于气象因子的滇中地区灌木林火发生预测模型,其中70%数据用于建立模型,30%用于模型检验.研究结果表明:通过主成分分析,将9个气象因子形成3个主成分作为ANFIS模型输入因子,3个主成分能解释9个气象因子77.663%的信息;LR模型经过多重共线性检验,依据VIF<10,得出24小时降水量、平均2分钟风速、日平均相对湿度、日最小相对湿度为LR模型的自变量输入.由2种模型的气象因子筛选结果可知,影响滇中地区灌木林火发生的主要影响因子为温度、风速、湿度.对比ANFIS,LR模型拟合结果,ANFIS模型训练集准确率大于LR模型12%,测试集准确率高于LR模型10%.ANFIS模型训练集、测试集AUC值分别为0.961,0.884;LR模型训练集、测试集AUC值分别为0.875,0.816.对比2种模型拟合结果,利用ANFIS模型建立滇中地区气象因子与灌木林火发生模型具有更好的适应性.研究结果能可为滇中地区灌木林火灾预测提供一定的科学依据.
译  名:
Prediction of Shrubbery Fire in Central Yunnan Province Based on the Adaptive NeuroFuzzy Inference System

相似文章

计量
文章访问数: 14
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊