首页|基于气象因子深度学习的森林火灾预测方法

基于气象因子深度学习的森林火灾预测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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(deepbelief 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。
Research on forest fire prediction method based on deep learning

孙立研、刘美玲、周礼祥、于洋

展开 >

东北林业大学信息与计算机工程学院,哈尔滨150040

哈尔滨工程大学计算机科学与技术学院,哈尔滨150001

森林火灾 预测模型 气象因子 深度信念网络 SMOTE算法

国家自然科学基金中央高校基本科研业务费专项基金

617020912572018BH06

2019

10.13360/j.issn.2096-1359.2019.03.020

林业工程学报
南京林业大学

林业工程学报

CSTPCDCSCD北大核心
影响因子：0.742
ISSN：2096-1359
年,卷(期)：2019.4(3)
  • 15
  • 19