基于多变量LSTM 神经网络的澳大利亚大火预测研究
2021-04-09杜丽霞张子柯
电子科技大学学报 2021年2期
关键词:模型
李 莉,杜丽霞,张子柯
(1. 山西大学计算机与信息技术学院 太原 030006;2. 杭州师范大学阿里巴巴商学院 杭州 311121)
丛林大火是澳大利亚炎热干燥季节频繁发生的野外火灾,由于火灾时常交替发生,自然生态系统随之演变,丛林大火成为了澳大利亚生态的重要组成部分[1]。随着全球气温升高,澳大利亚大火愈发猛烈且不可控制。2019 年7 月以来,澳大利亚全境发生持续性的丛林大火[2],造成了巨大的损失。据澳大利亚联邦统计,大火总燃烧面积约1.7×107hm2,全国超过10 亿只动物因大火而丧生。澳大利亚大火造成的影响不止当地的损失,大火的连锁反应导致它成为一个全球性的问题,对人类生存有极大的消极影响,如引起CO2排放量上升、污染水源、破坏生态系统等[3]。
本文首先对森林火灾发生的必要因素[4]进行了分析,影响森林火灾发生的主要因素包括燃料、氧气和火源。山火蔓延的烈度和速度取决于环境温度、燃料湿度、风速和坡度。桉树、刺槐等易燃植物的分布是火灾发生的根本依据,干燥的燃料会燃烧得很快,而潮湿或湿的燃料不易发生火灾,所以降雨量是评估山火的重要考虑因素;环境温度越高,越有可能发生火灾,因此环境温度也是预测森林火灾重要指标。
针对澳大利亚大火的预测,已有一些学者进行了研究,如文献[5]利用前馈反馈、多层感知等神经网络的方法预测澳大利亚最有可能发生火灾的地点。但是这种神经网络模型容易出现梯度消失或者梯度爆炸问题;……
登录APP查看全文
