首页|基于贝叶斯模型平均法的森林火灾预测模型构建研究——以云南省大理州为例

基于贝叶斯模型平均法的森林火灾预测模型构建研究——以云南省大理州为例

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
[目的]本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持.[方法]利用2000-2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析.二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合.贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模.将全样本数据随机分成80％的训练样本和20％的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率.[结果]通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718.通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807.2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3％;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9％.[结论]在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理.
Construction of forest fire prediction model based on Bayesian model averaging method: taking Dali Prefecture, Yunnan Province of southwestern China as an example

白海峰、刘晓东、牛树奎、何亚东

展开 >

北京林业大学生态与自然保护学院,北京 100083

云南大学数学与统计学院,云南 昆明 650504

大理州 森林火灾 气象因子 贝叶斯模型平均法 逻辑斯蒂回归

国家自然科学基金

31770696

2021

10.12171/j.1000-1522.20200173

北京林业大学学报
北京林业大学

北京林业大学学报

CSTPCDCSCD北大核心
影响因子：1.237
ISSN：1000-1522
年,卷(期)：2021.43(5)
  • 5
  • 14