基于模糊神經(jīng)網(wǎng)絡(luò)的森林火情預(yù)測

《基于模糊神經(jīng)網(wǎng)絡(luò)的森林火情預(yù)測》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、ISSN100020054清華大學(xué)學(xué)報(bào)(自然科學(xué)版)2010年第50卷第8期36/39CN1122223/NJTsinghuaUniv(Sci&Tech),2010,Vol.50,No.8130221306基于模糊神經(jīng)網(wǎng)絡(luò)的森林火情預(yù)測1,211張雷,陸建華,梁新剛(1.清華大學(xué)航天航空學(xué)院,北京100084;2.中國科學(xué)院上海技術(shù)物理研究所,上海200083)摘要:為了智能化預(yù)測森林火情,在分析火情傳感器的信多技術(shù)交叉防治手段,國內(nèi)主要采用的還是日常瞭息參量的基礎(chǔ)上,提出了模糊隸屬函數(shù)與神經(jīng)網(wǎng)絡(luò)相融合的望臺監(jiān)測

2、與災(zāi)中災(zāi)后的遙感影像分析,而在災(zāi)前預(yù)預(yù)測方法。利用歐洲標(biāo)準(zhǔn)試驗(yàn)火TF1模型的運(yùn)算分析表警的科學(xué)分析與輔助決策方面尚缺較好的技術(shù)明,該方法能有效降低概率在0.5附近的森林火情誤報(bào)率;[123]手段。進(jìn)一步引入干擾信息參量后預(yù)測時(shí)間雖有短暫的延遲,但仍森林火災(zāi)伴隨著燃燒氣體、煙霧、溫度、火焰和能比較準(zhǔn)確地預(yù)測火情并輸出其概率特征。該文提出的模燃燒波等火情信息參量,諸如可燃?xì)怏w傳感器、感煙糊神經(jīng)網(wǎng)絡(luò)研究方法對復(fù)雜度較高的森林火情傳感網(wǎng)絡(luò)及傳感器、感溫傳感器和火焰?zhèn)鞲衅鞫际巧只鹎樾牌漕A(yù)測系統(tǒng)具有較強(qiáng)的實(shí)用價(jià)值。息探測的

3、傳感終端。考慮到單個(gè)傳感器的探測信號關(guān)鍵詞:森林火情預(yù)測;模糊神經(jīng)網(wǎng)絡(luò);火災(zāi)概率并不能完全作為森林火災(zāi)引起的火情信息參量,并中圖分類號:TP183文獻(xiàn)標(biāo)志碼:A且火災(zāi)發(fā)生時(shí)這些信息參量將同時(shí)存在,因此研究文章編號:100020054(2010)0821302205多信息參量的傳感探測技術(shù)是降低誤報(bào)率和提高林火監(jiān)測系統(tǒng)可靠性的重要方法。Forestfireforecastingbasedona在森林火情預(yù)測系統(tǒng)的設(shè)計(jì)與研究中,一般只fuzzy2neuralnetwork將各種探測手段采集來的信息做簡單的分析與統(tǒng)ZH

4、ANGLei1,2,LUJianhua1,LIANGXingang1計(jì)。在近地面(地表)探測和定量分析火災(zāi)概率時(shí),(1.SchoolofAerospace,TsinghuaUniversity,多傳感器可以將物理或化學(xué)特征轉(zhuǎn)換成信號,通過Beijing100084,China;智能處理這些信息參量來分析和判斷森林火情的狀2.ShanghaiInstituteofTechnicalPhysics,ChineseAcademyof態(tài)。森林火情的信息參量具有時(shí)變性,很難用一種Sciences,Shanghai20008

5、3,China)或幾種數(shù)學(xué)模型進(jìn)行精確描述。同時(shí),森林火情預(yù)Abstract:Intelligentprocessingforforestfireforecastingsrequiresinformationfromarangeoffiresensors.Afuzzymembership測也是一個(gè)復(fù)雜的過程,不僅包括輸入信息參量與functionandneuralnetworksuitableforforecastingweredeveloped已知信息(經(jīng)驗(yàn))的比較、輸出信號的概率分析、火情forafuzzy2

6、neuralnetworkforfireforecasting.Experimentswiththe狀態(tài)的報(bào)警等,而且要求能夠適應(yīng)各種環(huán)境條件的TF1modeloftheEuropeanstandardtestfireshowthatthisfuzzy2neuralnetworkeffectivelyreducesthefalsealarmratefor變化,自動調(diào)整參數(shù)來達(dá)到快速探測與準(zhǔn)確預(yù)測forestfiresnearaprobabilityof0.5andreasonablyforecastsforest

7、火情[325]。firewithaprobabilityfeatureoutputevenwithadelaydueto本文提出了融合模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)來綜合分interferenceinformation.Thisfuzzy2neuralnetworkbasedmethodmaybeapplicabletocomplexfiresensornetworksforforecasting.析森林火情信息參量的方法,對分析火災(zāi)概率和演Keywords:forestfireforecasting;fuzzy2neura

8、lnetwork;fire算各種信息參量的特征值有較強(qiáng)的適應(yīng)能力,也能probability估計(jì)出引入干擾信息參量而引起的預(yù)報(bào)延遲。森林火災(zāi)的發(fā)生既具有隨機(jī)性和突發(fā)性特點(diǎn),收稿日期:2009202210又具有一定的規(guī)律性,當(dāng)具備一定的氣象、森林植被基金項(xiàng)目:國家“九七三”重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目和地形地理?xiàng)l件時(shí),就會引發(fā)森林火災(zāi)。目前,國際(2007CB310601)上的