一種基于gra-brlmbp算法的森林火災(zāi)預(yù)測方法
【專利摘要】本發(fā)明公開了一種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法，該方法使用灰色關(guān)聯(lián)分析法篩選出森林火災(zāi)預(yù)測的主要影響因子；使用GRA-BRLMBP算法對森林火災(zāi)進(jìn)行預(yù)測；本發(fā)明使用貝葉斯正則化L-M算法取代梯度下降算法進(jìn)行迭代，提高了網(wǎng)絡(luò)收斂速度和泛化能力。
【專利說明】—種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法，特別涉及一種智能計(jì)算與森林火災(zāi)預(yù)測方法，屬于計(jì)算機(jī)應(yīng)用與林火預(yù)測領(lǐng)域。
【背景技術(shù)】
[0002]森林火災(zāi)是指失去控制的森林燃燒。尤其在北方森林、亞熱帶森林和熱帶雨林等世界三大主要的生物群區(qū)，森林火災(zāi)都是其主要的自然災(zāi)害之一。由于森林火災(zāi)是一種突發(fā)性強(qiáng)、破壞性大、處置救助較為困難的自然災(zāi)害，對于生物多樣性保護(hù)和生態(tài)系統(tǒng)可持續(xù)性問題有巨大影響，而且會對人類生存與生活帶來極大危害，所以森林防火工作已成為世界防災(zāi)減災(zāi)工作的重要組成部分。
[0003]我國在《國民經(jīng)濟(jì)和社會發(fā)展第十二個(gè)五年規(guī)劃綱要》中明確提出健全防災(zāi)減災(zāi)體系，增強(qiáng)抵御自然災(zāi)害能力。預(yù)防森林火災(zāi)的發(fā)生，減少其所造成的損失，對于保護(hù)森林資源，維護(hù)區(qū)域生態(tài)平衡，保障區(qū)域經(jīng)濟(jì)、社會持續(xù)穩(wěn)定發(fā)展具有十分重要的意義，所以建立健全一種可以長期穩(wěn)定的森林火災(zāi)預(yù)警機(jī)制就顯得尤為重要。
[0004]目前，森林火險(xiǎn)預(yù)測方法，雖然有某些智能技術(shù)，也取得了一定的進(jìn)展，但在實(shí)際應(yīng)用中還存在著許多諸如預(yù)測周期短、影響因子較多難以選擇、收斂速度慢、準(zhǔn)確率低等難題。為了更好的對森林火災(zāi)進(jìn)行預(yù)測，利用灰色關(guān)聯(lián)分析法對影響林火的特征因子處理，得出森林火災(zāi)特征參數(shù)。然后對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)研究，使用貝葉斯正則化L-M算法取代梯度下降算法進(jìn)行迭代，大幅提高了網(wǎng)絡(luò)收斂速度和泛化能力，提出GRA-BRLMBP算法。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法，
[0006]該方法基于GRA-BRLMBP優(yōu)化算法，克服通常方法對初始值敏感容易陷入局部極值的弱點(diǎn)；極大地提高了收斂速度；大幅提高了泛化能力；減少了影響因子維數(shù)，降低了算法的計(jì)算復(fù)雜性；森林火災(zāi)預(yù)測方法的結(jié)構(gòu)和參數(shù)可以根據(jù)具體的訓(xùn)練過程來調(diào)整，實(shí)現(xiàn)了森林火災(zāi)預(yù)測的智能化。
[0007]本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的:
[0008](I)對森林林火監(jiān)測數(shù)據(jù)進(jìn)行分析，利用灰色關(guān)聯(lián)分析法對影響林火的特征因子處理,得出七個(gè)森林火災(zāi)特征參數(shù)；
[0009](2)然后對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)研究，使用L-M算法取代梯度下降算法進(jìn)行迭代，這種方法可以提高網(wǎng)絡(luò)的分類能力，避免結(jié)果陷入局部最優(yōu)。
[0010]傳統(tǒng)BP算法在處理分類問題時(shí)，使用梯度下降算法進(jìn)行迭代，收斂速度較慢通常需要幾千步迭代甚至更多。GRA-BRLMBP算法對傳統(tǒng)BP算法進(jìn)行改進(jìn)，采用L-M算法替代梯度下降算法進(jìn)行迭代，由于L-M算法利用近似的二階導(dǎo)數(shù)信息，比梯度法快得多，尤其當(dāng)輸入維數(shù)較低時(shí)，L-M優(yōu)化算法表現(xiàn)出較高的性能，所以可以大幅提高網(wǎng)絡(luò)收斂速度。L-M算法雖然使得收斂速度有了較大的提高，但是其泛化能力還是較差。泛化能力是衡量神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)性能好壞的重要標(biāo)志，一個(gè)過度訓(xùn)練的神經(jīng)網(wǎng)絡(luò)會對訓(xùn)練樣本集達(dá)到較高的匹配效果，但是對于一個(gè)新的輸入樣本矢量卻可能會產(chǎn)生與目標(biāo)矢量差別較大的輸出，即神經(jīng)網(wǎng)絡(luò)不具有或具有較差的推廣能力在訓(xùn)練樣本集大小一定的情況下，網(wǎng)絡(luò)的推廣能力與網(wǎng)絡(luò)的規(guī)模直接相關(guān)如果神經(jīng)網(wǎng)絡(luò)的規(guī)模遠(yuǎn)遠(yuǎn)小于樣本集的大小，則發(fā)生過度訓(xùn)練的機(jī)會就很小但是對于特定的問題，確定合適的網(wǎng)絡(luò)規(guī)模往往是一件十分困難的事情。貝葉斯正則化方法是通過修正神經(jīng)網(wǎng)絡(luò)的訓(xùn)練性能函數(shù)來提高其推廣能力的，可以大幅提高了網(wǎng)絡(luò)的泛化能力。
[0011](3)將七個(gè)主要影響因子作為網(wǎng)絡(luò)輸入?yún)?shù)，對數(shù)據(jù)進(jìn)行了預(yù)處理，包括異常值處理和歸一化。在所有的數(shù)據(jù)中，以均值代替異常值處理后，進(jìn)而對其進(jìn)行歸一化處理。以消除量綱對其的影響。選取一些數(shù)據(jù)作為訓(xùn)練集，另外的數(shù)據(jù)作為測試集。確定網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)，進(jìn)行仿真訓(xùn)練，從而建立了森林火災(zāi)預(yù)測仿真模型。
[0012]本發(fā)明的有益效果:
[0013]本發(fā)明使用貝葉斯正則化L-M算法取代梯度下降算法進(jìn)行迭代，提高了網(wǎng)絡(luò)收斂速度和泛化能力。
【專利附圖】

【附圖說明】
[0014]圖1為本發(fā)明的流程示意圖。
[0015]圖2為本發(fā)明的訓(xùn)練曲線圖。
【具體實(shí)施方式】
[0016]請參閱圖1所示，本發(fā)明包括以下步驟:
[0017](I)、采用灰色關(guān)聯(lián)分析對影響因子進(jìn)行優(yōu)選；
[0018](2)、確定網(wǎng)絡(luò)的訓(xùn)練集和測試集，如圖2所示；
[0019](3)、初始化網(wǎng)絡(luò)，計(jì)算網(wǎng)絡(luò)隱層的輸出；
[0020](4)、輸出節(jié)點(diǎn)的輸出；
[0021](5)、計(jì)算誤差以及誤差平方和函數(shù)，令Y = η ;
[0022](6)、計(jì)算α與β，性能函數(shù)，如達(dá)到目標(biāo)誤差則停止，否則繼續(xù)；
[0023](7)、進(jìn)一步用L-M算法減小性能函數(shù)的迭代；
[0024](8)、計(jì)算新的Y，α，β和性能函數(shù)，如達(dá)到目標(biāo)誤差或達(dá)到最大訓(xùn)練次數(shù)則停止，否則轉(zhuǎn)第(6)步驟。
[0025]本發(fā)明使用灰色關(guān)聯(lián)分析法篩選出森林火災(zāi)預(yù)測的主要影響因子；使用GRA-BRLMBP算法對森林火災(zāi)進(jìn)行預(yù)測。
[0026]本發(fā)明使用貝葉斯正則化L-M算法取代梯度下降算法進(jìn)行迭代，提高了網(wǎng)絡(luò)收斂速度和泛化能力。
【權(quán)利要求】
1.一種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法，該方法包括以下步驟: (1)、采用灰色關(guān)聯(lián)分析對影響因子進(jìn)行優(yōu)選； (2)、確定網(wǎng)絡(luò)的訓(xùn)練集和測試集； (3)、初始化網(wǎng)絡(luò)，計(jì)算網(wǎng)絡(luò)隱層的輸出； (4)、輸出節(jié)點(diǎn)的輸出； (5)、計(jì)算誤差以及誤差平方和函數(shù)，令Y=n; (6)、計(jì)算α與β，性能函數(shù)，如達(dá)到目標(biāo)誤差則停止，否則繼續(xù)； (7)、進(jìn)一步用L-M算法減小性能函數(shù)的迭代； (8)、計(jì)算新的Y，α，β和性能函數(shù)，如達(dá)到目標(biāo)誤差或達(dá)到最大訓(xùn)練次數(shù)則停止，否則轉(zhuǎn)第(6)步驟。
2.根據(jù)權(quán)利要求1所述的一種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法，其特征在于: (1)使用灰色關(guān)聯(lián)分析法篩選出森林火災(zāi)預(yù)測的主要影響因子； (2)使用GRA-BRLMBP算法對森林火災(zāi)進(jìn)行預(yù)測。
3.根據(jù)權(quán)利要求1所述的一種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法，其特征在于:使用貝葉斯正則化L-M算法進(jìn)行迭代。
【文檔編號】G06N3/02GK103646284SQ201310751215
【公開日】2014年3月19日 申請日期:2013年12月27日 優(yōu)先權(quán)日:2013年12月27日
【發(fā)明者】劉銘, 王軼, 董小剛, 何禹德 申請人:長春工業(yè)大學(xué)