残差修正模型在森林火灾预测中的应用

基于1990-2013年福建省森林火灾发生次数建立残差修正模型,并与BP神经网络模型、马尔科夫链模型、赋权组合预测模型进行比较.结果表明:残差修正预测模型的预测精度达到95.33%,而BP神经网络模型预测精度是87.77%,马尔科夫链模型预测精度为74.85%,赋权组合预测模型预测精度为88.3%,残差修正模型预测效果优于其他3个模型,说明使用其对离散的森林火灾数据进行短期预测是有效可行的.     

杨树苗圃地下害虫灰色灾变预测研究

以灰色系统理论为基础,建立杨树苗圃地下害虫的灾变预测模型和灾变季节预测模型,灾变预测模型平均相对精度可达97.56%,建立的灾变季节模型包括达到防治指标日的预测模型和虫口密度高峰日的预测模型,平均相对精度分别为94.27%和90.40%,模型精度较高。预测结果表明3种模型均能够准确地进行杨树苗圃地下害虫的预测。     

基于灰色理论和回归分析的需水量组合预测研究

【目的】建立精度更高的需水量预测模型,为水资源规划提供理论依据。【方法】建立基于灰色预测和线性回归预测的需水量组合预测模型,以深圳大鹏半岛需水量为例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了比较。【结果】单独采用灰色预测模型和线性回归模型进行预测的平均误差分别为6.5%和2.5%,而基于灰色预测和线性回归的组合预测模型的平均误差仅为1%。【结论】组合模型的预测精度较单一模型的预测精度明显提高,并且该模型可以更全面地反映需水量的变化规律。     

森林火灾发生趋势及预测方法的探讨

【目的】实现森林火灾的预测预报,减少森林火灾的发生及其给社会造成的危害。【方法】利用陕西省17年的火灾发生频数资料,采用Markov转移矩阵和GM(1,l)灰色模型,对陕西森林火灾发生的趋势和预测方法进行了探讨。【结果】2008年前陕西森林火灾基本处于B级稳定状态,最小级A出现于2006年,最大级C可能出现于2008年。【结论】采用2001~2004年实际火灾发生情况对预测模型进行了验证,预测结果与实际相符,为陕西省森林火灾防灾减灾奠定了基础。     

森林火灾中长期预测技术的研究

就森林火灾中长期预测提出了４种技术方法；（１）森林火灾趋势变化与周期分析；（２）森林火灾的时间序列分析；（３）灰色预测模型；（４）前兆因子的相关预报，各种方法都用实际资料建立了适度的预测数学模型。     

嘉兴市梅雨量的灰色拓扑预测分析

根据嘉兴市1953—2017年的气象资料,运用灰色拓扑预测模型及方法探讨梅汛降雨量的发生规律。结果表明,建立的GM(1,1)预测模型群,总平均相对误差13.25%,平均模拟精度为97.74%,预测模型精度较高,效果良好。梅雨量≤100 mm,≥351~400 mm的出现机率相对较低均为8.3%,初年后间隔期较长,为12 a;101~150 mm及301~350 mm的出现机率各为11.1%,间隔期8~9 a;151~250 mm的出现机率最高为38.8%,间隔期4~5 a;251~300 mm的出现机率亦较大为16.7%,间隔期5~6 a。梅雨量500~550 mm的特大梅涝年出现的机率最低为5.6%,预测为2038—2039年前后出现。     

加权马尔科夫链在福建省森林火灾预测中的应用研究

以福建省1987-2008年森林火灾发生次数的数据资料为基础,运用加权马尔科夫链预测方法建立预测模型,对2009年福建省森林火灾发生次数进行预测,并利用该方法对2007-2008年森林火灾发生次数进行检验。结果表明,预测结果与实际结果高度吻合,而且预测精度较高,都大于85％,效果较好,说明加权马尔科夫链方法可以用于短期森林火灾预测。     

森林火灾成灾面积的人工神经网络BP模型预测

应用人工神经网络BP模型对河南省森林火灾成灾面积进行预测,网络模型的最大相对误差为1.15%,最小相对误差是0,平均为0.42%,表明预测值与实际值吻合程度很好,模型精度较高,建模简单,是预测森林火灾成灾面积的有效方法.     

山东省森林资源动态变化的非等间距灰色预测

应用灰色系统理论,以1974-2007年山东省森林覆盖率、有林地面积和活立木蓄积量为时间数据序列,建立非等距灰色预测模型。用模型对山东省森林资源主要指标进行拟合,拟合误差均在10%以下,拟合精度较高。使用后验差检验方法对模型进行精度等级检验,求得森林覆盖率、有林地面积和森林蓄积量的后验差检验值分别为0.15,0.23和0.14,均小于0.35,小误差概率均为1,预测精度等级为一级好,预测的结果可以作为制订山东省未来林业发展计划的依据,为建立“数字林业”等提供了一种比较理想的预测方法。预测结果表明：2020年森林覆盖率为26.78%,还达不到2020年森林覆盖率达到30%以上的生态省建设阶段性目标。因此,山东省应加快森林资源发展,稳步提高森林覆盖率,明显增加森林蓄积量,提高林分质量,避免造成森林资源的逆转。     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

森林火险气象预警系统的开发

以林区实况监测和森林火险气象预报预警为基础,结合林区基础数据分析空气湿度和土壤湿度,发布森林火险气象预警,并建立森林火灾档案信息库,形成覆盖全省各个林区的森林火险气象预警系统。系统以采集实况数据、预报因子、分发信息、数据库整合为核心,以"预防为主、积极消灭"的为总方针;提高森林火险等级预报精度,增强森林火灾的预警能力,有效遏制森林火灾的发生,努力把森林火灾次数和灾害损失降到最低,保障森林资源和生态环境安全。     

云南3种乔木防火期内含水率变化及预测模型

乔木是森林可燃物重要部分,乔木叶片含水率预测是森林火险预报和火行为预报系统的重要任务之一。为了探究乔木叶片含水率变化规律及影响因子,对云南昆明3种典型乔木叶片的含水率变化进行研究。在侧柏(Platycladus orientalis)、云南松(Pinus yunnanensis)和华山松(Pinus armandii)林分内设置样地,于2014年2月19至5月29日进行为期100d的连续野外含水率观测,并同步监测样地内气象因子,分析了昆明地区3种主要乔木叶片在防火期内含水率的动态变化及影响因子,并建立了每种乔木可燃物类型的含水率变化预测模型。结果表明:1)防火期内3种乔木活可燃物的最低含水率都<130%,有发生树冠火的潜力。3种乔木的燃烧性由大到小依次为:侧柏、云南松、华山松。2)日平均湿度、降雨量及前5日降雨量对3种乔木活可燃物含水率都有显著影响。3)3种乔木可燃物含水率预测模型的平均绝对误差及平均相对误差的范围分别为8.4%～15.9%、6.3%～10.3%。研究结果为我国林火预测预报系统研究提供基础资料和科学依据。     

马尾松毛虫发生量灰色系统模型的建立及其预报

运用灰色系统理论的原理和方法，根据相关系数法和逐步回归法，分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子作为样本的因子变量，分别建立马尾松毛虫有虫面积、虫口密度、有虫诛率与气象因子的灰色系统预测模型。结果表明：所建立的各预测模型具有令人满意的预测效果。有虫面积模型预报因子数为8个时，预留样本的平均预测误差为7．47％；虫口密度模型预报因子数为6个时，预留样本的第1年预测不准，第2年的预测误差为2．21％；有虫株率模型预报因子数为5个时，预留样本的平均预测误差为3．60％,总预测成功率为83．33％.     

基于贝叶斯模型平均法的森林火灾预测模型构建研究

  目的  本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。  方法  利用2000—2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。  结果  通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。  结论  在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。      

内蒙古大兴安岭主要火环境因子对地表死可燃物含水率的影响

森林地表死可燃物对森林火灾具有重要影响,研究地表死可燃物含水率对林火管理具有重要意义。以内蒙古大兴安岭不同地区不同林型地表死可燃物含水率为研究对象,利用2004年秋季防火期至2017年春季防火期大兴安岭林区(根河市、鄂伦春旗、牙克石市、阿尔山市)林分下地表死可燃物含水率数据,运用SPSS软件分析主要火环境因子对地表死可燃物含水率的影响。结果表明:(1)林中气温、林中相对湿度、枯枝落叶层质量、枯枝落叶层温度以及林内灌木盖度是影响地表死可燃物含水率变化的重要因子。(2)各地区春季与秋季、春季与全年地表死可燃物含水率预测的平均绝对误差和平均相对误差差异均不显著(P>0.05),而秋季与全年的平均绝对误差和平均相对误差均极显著(P<0.01),说明秋季防火期预测模型精度优于春季防火期预测模型精度。地表死可燃物含水率预测,需要根据不同防火期的特点建立不同的预测模型,并相对应地引入更具有显著性影响的火环境因子,为林火预测预报提供更精准的参考。     

基于时间序列的福建省森林火灾分形特征

摘要：运用分形理论,对1987-2010年福建省森林火灾受灾面积的时间序列进行分析,重构其嵌入相空间序列,计算关联维数和饱和嵌入维数,得出模拟相应动力系统所需独立变量的控制参数为9个．该方法能够客观、合理地反映森林火灾系统的分形特征,能为建立森林火灾受灾面积时间序列的预报模型提供基础信息．     

基于ArcGIS Engine的森林防火与应急决策支持系统设计与实现

为了解决预测森林火灾以及森林火灾发生之后的人员及设备的合理调度问题,基于ArcGIS Engine构建森林防火与应急决策支持系统。在此系统平台上,在没有发生火灾的情况下利用AHP法结合火险天气等级进行预测预报、设置最佳观测站位置等,在火灾发生时利用GPS对火点进行精确定位,并将接收到的数据在三维场景中进行动态火势模拟,实时观测火势蔓延态势。此外,将王正非林火蔓延模型进行优化,以便更准确地模拟林火的蔓延,当火灾发生后可进行统计分析并进行损失评估。结果表明,采用王正非林火蔓延模型结合ArcGIS Engine三维分析,对森林火灾蔓延态势的掌握达到了较高的准确度。     

林火蔓延模型及蔓延模拟的研究进展

为了研究林火行为的预测预报及林火蔓延模拟的可视化问题,该文在分析了林火蔓延及其影响因子的基础之上,阐明了几种林火蔓延模型及其适用性,评述了选用不同的林火蔓延模型对实际火场的预测预报具有的重要理论意义及实用价值,初步分析了蔓延模型选择的4个基本出发点:模型的功能、模型适用的地区和植被类型、模型的假设条件、模型的检验频数等.在假定已有蔓延模型的基础上,分析了国内外林火蔓延研究的发展状况,指出了在林火蔓延模型的基础上以地理信息系统为平台的林火蔓延模拟已成为林火行为预测预报的主要方向,同时讨论了林火蔓延模型和蔓延模拟的发展前景.     

集成预测模型在森林火灾预测预报中的应用研究

提出了以非线性函数拟合发展趋势、正弦函数逼近周期变动和马尔可夫链刻画随机扰动的集成预测模型,并利用该模型对福建省建阳市森林火灾面积的变动规律进行了预测预报,取得了较为理想的效果。理论与实践表明集成预测模型能定量分析灾害发生的时间动态及其变化规律,从而为灾害防御决策提供了可靠的信息。