基于VLBP神经网络的林火预测研究

›› 2006, Vol. 42 ›› Issue (zk): 155-158.

基于VLBP神经网络的林火预测研究

胡林冯仲科聂玉藻

北京林业大学省部共建森林培育与保护教育部重点实验室,北京100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2006-09-25 发布日期:2006-09-25

Forest Fire Prediction Research Based on VLBP Neural Network

Hu Lin,Feng Zhongke,Nie Yuzao

The Key Laboratory for Silviculture and Conservation of Ministry of Education,Beijing Forestry University Beijing 100083

Received:1900-01-01 Revised:1900-01-01 Online:2006-09-25 Published:2006-09-25

摘要/Abstract

摘要： 以北京市房山区的林火为研究现象,用神经网络方法研究林火发生及蔓延与环境因子间的关系。用GPS采集林火火场中心数据,测量火场面积;用GIS做空间分析,提取火场空间环境因子;将数据在Matlab中用VLBP神经网络进行训练,建立林火风险的预测方程。风险模型由林火发生的风险模型和林火的蔓延风险模型组成,由于该模型采用的方法不依赖于先验统计模型,所采用的神经网络方法对非线性的数学关系有很强的预测能力,因而该方法具有很强的适用性。

关键词: 林火, 人工神经网络, 风险模型, ArcView GIS

Abstract: In this research,the Fangshan district as the research district,the relation between the fire risk and its environment factors were studied using the artificial neural network methods. The procedure framework is as the fellow: the fire regimes' center and its' area is surveyed with GPS,and the data was put into the GIS for spatial analysis. The data of the environment factors affecting the forest fire were withdrawn using the GIS,training the data in Matlab with the VLBP artificial neural network,and establishing the forest fire risk forecast equation,this risk model is composed with the fire ignition model and the forest fire spread model. Because this model uses the artificial neural network which does not rely on fire data's probability distribution,and the nerve network method has the very strong forecast ability to the non-linear mathematical relation,thus this model has the very strong versatility.

Key words: forest fire, artificial neural network, risk model, ArcView GIS

胡林冯仲科聂玉藻. 基于VLBP神经网络的林火预测研究[J]. , 2006, 42(zk): 155-158.

Hu Lin;Feng Zhongke;Nie Yuzao. Forest Fire Prediction Research Based on VLBP Neural Network[J]. , 2006, 42(zk): 155-158.

[1]	韩大校,韦睿,王晓红,丛日征,邸雪颖,杨光,蔡慧颖,张吉利. 林火导致树木死亡的作用机制和影响因素的研究进展[J]. 林业科学, 2020, 56(7): 151-162.
[2]	付宗营,蔡英春,高鑫,周凡,江京辉,周永东. 基于人工神经网络模型的木材干燥应变模拟预测[J]. 林业科学, 2020, 56(6): 76-82.
[3]	胡海清,罗碧珍,罗斯生,魏书精,王振师,李小川,刘菲. 林火干扰对森林生态系统碳库的影响研究进展[J]. 林业科学, 2020, 56(4): 160-169.
[4]	侯晓静, 明金科, 秦荣水, 朱霁平. 基于随机森林模型的交界域火灾风险分析[J]. 林业科学, 2019, 55(8): 194-200.
[5]	杜一尘, 李明泽, 范文义, 王斌. 基于地理加权回归模型与林火遥感数据估算森林年龄[J]. 林业科学, 2019, 55(6): 184-194.
[6]	方祥, 王海晖, 陶骏骏, 盛昌栋. 林火蔓延过程中辐射换热和点燃特性分析[J]. 林业科学, 2019, 55(3): 97-105.
[7]	尹赛男, 舒立福, 张大明, 单延龙, 杜帅, 唐抒圆, 张鑫瑶, 张志文. 吉林省森林火灾火源数据特征分析[J]. 林业科学, 2018, 54(7): 165-172.
[8]	杨伟, 姜晓丽. 森林火灾火烧迹地遥感信息提取及应用[J]. 林业科学, 2018, 54(5): 135-142.
[9]	田晓瑞, 舒立福, 赵凤君, 王明玉. 气候变化对中国森林火险的影响[J]. 林业科学, 2017, 53(7): 159-169.
[10]	李明泽, 康祥瑞, 范文义. 呼中林区火烧迹地遥感提取及林火烈度的空间分析[J]. 林业科学, 2017, 53(3): 163-174.
[11]	祖笑锋, 覃先林, 李增元, 孙桂芬, 刘树超. 基于幂律分布的森林燃烧生物量卫星遥感估测方法[J]. 林业科学, 2017, 53(10): 90-99.
[12]	张晨, 牛树奎, 陈锋, 邵潇, 王欢. 基于GIS的景观格局对云南省森林火灾的影响[J]. 林业科学, 2016, 52(7): 96-103.
[13]	张德成, 陈绍志, 白冬艳. 森林火灾保险纯费率厘定模型及实证分析[J]. 林业科学, 2016, 52(7): 129-137.
[14]	赵凤君, 王秋华, 舒立福, 杨丽君, 刘柯珍. 大兴安岭针叶可燃物的热值和燃点与其超临界萃取物含量的相关性[J]. 林业科学, 2016, 52(4): 68-74.
[15]	苗庆林, 田晓瑞. 多气候情景下大兴安岭森林燃烧性评估[J]. 林业科学, 2016, 52(10): 109-116.