【摘要】：森林是我國重要的資源之一,它不僅能夠起到保護環(huán)境和平衡生態(tài)系統(tǒng)的作用,還能夠降低氣候變化帶給人們的影響。但森林火災(zāi)的發(fā)生卻嚴重影響著森林資源的發(fā)展,不僅造成了生態(tài)資源的流逝,而且還對人們經(jīng)濟財產(chǎn)甚至生命安全造成了威脅。因此,研究并實現(xiàn)森林火災(zāi)的準確預(yù)測是降低林火危害的重要手段。本文采用人工神經(jīng)網(wǎng)絡(luò)方法用于森林火險預(yù)測研究。針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)在預(yù)測估計時存在預(yù)測精度低以及容易陷入局部極值的不足,本文分別從BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和初始化網(wǎng)絡(luò)連接參數(shù)兩個方面進行了改進,以提高網(wǎng)絡(luò)預(yù)測的準確性。具體工作包括:1.改進BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。眾所周知,BP神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)輸入和輸出變量之間的非線性映射,但是當(dāng)輸入輸出之間除具有非線性關(guān)系外還具有一定的線性關(guān)系時,采用BP神經(jīng)網(wǎng)絡(luò)可能得不到準確的結(jié)果。針對這種情況,本文提出了一種改進的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)-直連BP神經(jīng)網(wǎng)絡(luò)(BPNN-DIOC),該網(wǎng)絡(luò)在BP神經(jīng)網(wǎng)絡(luò)的輸入層與輸出層之間加入了線性連接單元。為了驗證輸入-輸出連接對網(wǎng)絡(luò)泛化能力的影響,文中以AEMO中新南威爾士州2015年9月份的電力負荷數(shù)據(jù)為例進行了驗證。預(yù)測結(jié)果表明,直連BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)相比不僅可以提高網(wǎng)絡(luò)的預(yù)測精度,還可以減少隱含層所需的神經(jīng)元個數(shù)從而降低網(wǎng)絡(luò)在訓(xùn)練過程中需調(diào)整的參數(shù)個數(shù)。2.優(yōu)化網(wǎng)絡(luò)初始連接參數(shù)。在網(wǎng)絡(luò)初始化階段,BP算法會隨機生成網(wǎng)絡(luò)權(quán)值和閾值,這很容易造成網(wǎng)絡(luò)收斂精度下降以及陷入局部極值,本文采用近幾年剛提出的果蠅優(yōu)化算法FOA代替BP算法初始化網(wǎng)絡(luò)的連接權(quán)值和閾值。針對基本FOA算法中存在的不足,本文提出了一種采用動態(tài)搜索步長的改進果蠅優(yōu)化算法(IFOA),并利用4個標(biāo)準測試函數(shù)對IFOA的尋優(yōu)能力進行了分析,結(jié)果表明了IFOA具有較強的整體尋優(yōu)能力。最后將IFOA與BPNN-DIOC相結(jié)合,即以IFOA優(yōu)化BPNN-DIOC網(wǎng)絡(luò)的初始連接參數(shù),仿真結(jié)果表明本文構(gòu)建的IFOA-BPNN-DIOC為預(yù)測模型提供了一個更為有效的框架。根據(jù)前面針對BP神經(jīng)網(wǎng)絡(luò)所做的改進工作,本文采用IFOA優(yōu)化的BPNN-DIOC網(wǎng)絡(luò)用于兩方面的森林火險預(yù)測研究:一是根據(jù)氣象因子預(yù)測林火的發(fā)生,二是對林火氣象因子進行空間插值研究以提高氣象數(shù)據(jù)的空間分辨率。具體工作包括:1.在第一個應(yīng)用研究中,選取溫度、相對濕度、風(fēng)速和降水量4個氣象因子作為網(wǎng)絡(luò)的輸入,林火是否發(fā)生作為輸出。以太原市2011年和2013年以及桂林市2005年和2010年的氣象數(shù)據(jù)和森林火災(zāi)發(fā)生記錄為研究對象,分別構(gòu)建了基于IFOA-BPNN-DIOC的林火發(fā)生預(yù)測模型,并與其它模型進行比較。仿真結(jié)果表明IFOA-BPNN-DIOC網(wǎng)絡(luò)預(yù)測精度最高,且該模型不僅對森林火災(zāi)發(fā)生較頻繁的地區(qū)有效,同時對森林火災(zāi)發(fā)生較少的地區(qū)也有很好的預(yù)測效果,具有良好的通用性。2.在第二個應(yīng)用研究中,以氣象站點所處地理位置的經(jīng)度、緯度和海拔作為網(wǎng)絡(luò)的輸入,氣象站點實際觀測到的日平均氣溫作為輸出。以山西省氣象站點的數(shù)據(jù)為例構(gòu)建了基于IFOA-BPNN-DIOC的林火氣溫空間插值模型,并與IFOA-BPNN、FOA-BPNN-DIOC和FOA-BPNN網(wǎng)絡(luò)的插值結(jié)果進行了對比。四個網(wǎng)絡(luò)插值結(jié)果的RMSE分別為0.0716、0.0874、0.0815、0.0908,充分說明了BPNN-DIOC相比BPNN網(wǎng)絡(luò)具有更高的預(yù)測精度且IFOA相比FOA算法具有更強的整體優(yōu)化能力。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：S762;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 李小俚;On-line Tool Condition Monitoring with Improved Fuzzy Neural Network[J];High Technology Letters;1997年01期

2 王婷婷;戴康;王展;彭浩;高新蕾;;BPNN用于含氮、硫雜環(huán)潤滑油添加劑抗磨性能的定量構(gòu)效關(guān)系研究[J];摩擦學(xué)學(xué)報;2017年04期

3 馬曉梅;閆國立;劉穎;孫春陽;隋美麗;任靜朝;郗園林;段廣才;;基于BPNN的手足口病重癥化進程中的相關(guān)因素變化及預(yù)測分析[J];西安交通大學(xué)學(xué)報(醫(yī)學(xué)版);2016年05期

4 陳衛(wèi)東;張燕;朱奇光;;改進的BPnn在移動機器人軌跡跟蹤中的應(yīng)用[J];計算機工程與應(yīng)用;2011年08期

5 朱亞萍;王文龍;徐生林;;基于量子微粒群的BPNN在轉(zhuǎn)爐煉鋼靜態(tài)模型中的應(yīng)用[J];機電工程;2011年05期

6 劉立紅,孫德明,張長強,劉玉婷,許崇海,鹿曉陽;基于BPNN的陶瓷材料抗彎強度預(yù)測[J];陶瓷;2005年04期

7 石黎;史玉珍;;城市水資源可持續(xù)利用評價的改進BPNN模型——以湖北省為例[J];科技管理研究;2014年12期

8 張質(zhì)明;馬文林;張明順;黎學(xué)琴;;基于多BPNN敏感性分析的氣候變化脆弱性指標(biāo)賦權(quán)方法[J];自然災(zāi)害學(xué)報;2014年05期

9 吳yN;王友仁;陳妤;姜媛媛;;基于BPNN的電力電子電路參數(shù)性故障診斷方法[J];電子測量與儀器學(xué)報;2012年05期

10 李峰;紀道斌;劉德富;嚴萌;龍良紅;李竹;;基于BPNN的三峽水庫神農(nóng)溪葉綠素α濃度預(yù)測[J];環(huán)境科學(xué)與技術(shù);2015年S2期

相關(guān)會議論文 前10條

1 ;Calculation of BSRM's Inductance with PSO-BPNN[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

2 劉美容;何怡剛;朱彥卿;王璽;;小波及BPNN在非線性模擬電路故障診斷中的應(yīng)用[A];第四屆中國測試學(xué)術(shù)會議論文集[C];2006年

3 ;Temperature Compensation of FOG Scale Factor Based on CPSO-BPNN[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

4 余鵬程;劉U

本文編號：2736581