基于深度学习的森林火险预测研究.pdf

摘要 摘要 森林资源作为人类的重要资源之一，不仅为人类的生产生活提供了大量的资源， 同时也维持了地球的生态平衡。但当前森林火灾频发，造成大量人员和财产损失，已 经成为威胁森林资源最主要的自然灾害之一。因此，研究森林火险预测的方法，对规 避森林火灾的发生和保护森林资源具有重要的现实意义。本文主要对影响森林火灾发 生的驱动因子进行分析，并从森林火灾发生规律、森林火灾发生概率、森林火灾发生 规模三个方面入手，利用深度学习相关算法进行建模分析，最终形成较为全面的森林 火灾预测方法。 本文首先介绍相关基础数据获取方式和处理方法，为后续的实验分析形成数据基 础，并从时间维度、空间维度、气象分布三个角度对加拿大阿尔伯塔省森林火灾的发 生规律进行分析；其次，分别制作气象因子和综合因子两种样本集，利用二项逻辑斯 蒂模型和随机森林模型对两类样本集进行训练，建立森林火灾发生预测模型，通过对 比分析，利用综合因子建模的随机森林预测模型准确度最高，达到91.49%；然后， 本文提出融合过火面积和火灾持续时间共同作为判断森林火灾发生规模大小的指标， BP RNN 定义森林火灾规模指数，并利用 神经网络算法、循环神经网络算法 （ ）以及 LSTM LSTM 长短时记忆网络算法 （ ）进行建模分析，实验对比发现， 模型在预测森 90.9% RNN BP 林火灾规模上具有最高的准确度 ， 模型、 模型的准确度次之；最后， 对LSTM 模型进行进一步分析，分别绘制模型测试集样本和全样本ROC 曲线，ROC AUC 0.918 0.942 LSTM 曲线对应的 值分别为 、 ，说明利用 模型进行森林火灾规模预 测具有一定的科学性。 关键词：森林火灾预测，森林火灾规模预测，随机森林算法，长短时记忆网络 I 目录 目录 摘要I 1绪论1 1.1研究背景1 1.2 研究目的及意义2 1.3 国内外研究现状2 1.3.1 国外研究现状2 1.3.2 国内研究现状4 1.4 研究方案5 1.4.1 研究目标5 1.4.2 研究内容5 1.4.3 研究方法6 1.4.4 拟解决关键问题6 1.4.5 技术路线6 1.5 论文组织结构7 2 研究区域概况及数据处理9 2.1研究区域概况9 2.2 数据来源 10 2.2.1 气象数据10 2.2.2 非气象数据11 2.2.3 森林火灾数据14 2.3 数据预处理16 2.3.1 数据清洗16 2.3.2 多重共线性检验18 2.3.3 数据归一化20 2.3.3Kennard-Stone （K-S）算法21 2.4 本章小结21 3 森林火灾发生规律及分析22