| 作者： | 胡超 |
| 专业： | 农业推广 |
| 导师： | 顾沈明 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江海洋学院 |
| 关键词： | 森林火灾;神经网络;气象因素 |
| 摘要： | 2013年国家统计相关部门第八次全国森林资源清查显示，我国森林面积2.08亿公顷，森林覆盖率21.63％。活立木总蓄积164.33亿立方米，森林蓄积151.37亿立方米。天然林面积1.22亿公顷，蓄积122.96亿立方米；人工林面积0.69亿公顷，蓄积24.83亿立方米。用我国森林资源与世界森林资源相比，森林资源相对匮乏。被称之为地球之肺的森林，是我们生存空间氧气的重要制造场所，同时对空气中的粉尘过具有过滤作用，它还是沙尘暴的重要防御者，无论是国民经济的发展还是环境保持，森林都是必不可少的宝贵自然资源。而森林火灾使这些资源造成极大的危害，森林火灾预防和预测，并采取有效措施是当务之急。预测和防治森林火灾对经济环境和社会环境的可持续发展具有重要意义。 通过对影响森林火灾的气候因子作为模拟神经的输入，火灾发生情况作为输出，可以有效分析各影响因素对火灾发生的权重和联系。人工神经网络通过对大量统计数据的训练仿真，并模拟运算，优化自身网络结构，得出所需要的函数运算结构。在大量数据处理分析上，这种方法相对于逻辑推理演算更具有优势。 本文首先对世界及我国森林火灾近况作了概述，然后阐述了人工神经网络和BP神经网络结构、特点以及算法，同时对影响森林火灾发生的相关气候因素的相关性进行简要分析。然后收集广西省桂林市和广东省广州市历史气候变化和森林火灾发生数据的历史气候数据和森林火灾发生数据建立预测模型。本研究通过对广西省桂林市和广东省广州市历史气候变化和森林火灾发生的数据作为研究基础，运用 matlab中的BP神经网络对以上两个地区的森林火灾建立预测模型，并采用了一种改进粒子群算法对 BP神经网络的性能进行优化，仿真实验结果表明，与传统的 BP算法和粒子群算法优化后相比，经改进后的粒子群优化 BP神经网络的方法不仅能够快速收敛到神经网络的学习目标，并且提高了模型的预测精度。 |