残差修正模型在森林火灾预测中的应用
2016-09-18分类号：S762.2
【部门】福建农林大学计算机与信息学院 福建农林大学林学院 福建农林大学科教基地管理中心
【摘要】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．
【关键词】森林火灾 残差修正模型 反向传播神经网络 马尔科夫链 赋权组合模型 福建省
【基金】国家自然科学基金项目(31370624;41301203)
【所属期刊栏目】福建农林大学学报(自然科学版)
文献传递
