融合自动储备池神经网络和长短时记忆网络的森林火灾成灾面积预测方法

作     者：曾云飞 葛富东 ZENG Yunfei;GE Fudong

作者机构：中国地质大学(武汉)计算机学院武汉430074 天津大学电气自动化与信息工程学院天津300072 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2023年第43卷第S2期

页      面：60-64页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖北省自然科学基金资助项目(2022CFB268) 

主　　题：自动储备池神经网络 长短时记忆网络 火灾成灾面积预测 时序预测 储备池计算 

摘      要：针对森林火灾数据维度高、易变性、可用信息少的问题,提出一种融合自动储备池神经网络(ARNN)与长短时记忆(LSTM)网络的森林火灾成灾面积预测方法。首先,根据森林火灾数据特征,基于ARNN随机生成权重;然后运用LSTM对随机权重进行进一步训练,以减少它的随机性带来的影响;最后以葡萄牙Montesinho国家森林公园的火灾数据集为例,验证所提ARNN-LSTM融合模型预测方法的合理性和有效性。实验结果表明,在平均百分比误差(MAPE)统计指标下,与目前流行的反向传播神经网络(BP-NN)、卷积神经网络(CNN)、LSTM和ARNN预测方法相比,融合ARNN和LSTM的森林火灾成灾面积预测方法的准确率分别提高了93.31%、47.74%、55.27%和9.39%。可见,所提方法能够高效地、较为精准地预测森林火灾成灾面积。