基于最小二乘支持向量机的森林火灾预测研究

• 作者: 李恩来 费宇
• 来源期刊: 数据挖掘
• 学科: 工学
• 关键词: 森林火灾 预测 机器学习 最小二乘支持向量机
• 年，卷（期）: 2016,（1）
• 页码范围: 15-27
• 页数: 13页
• 分类号: TP1

摘要

森林火灾是一个主要的环境问题,造成经济损失和生态破坏而且危及生命。如何预测、防治或减少森林火灾的危害成为诸多学科领域共同关注的科学任务。传统的做法是使用卫星,红外线扫描仪和局部传感器。但是由于卫星定位的延迟和扫描仪高昂的设备成本和维护成本,这些方案不能用来解决所有的情况。然而,研究表明气象因素对森林火灾有重要的影响。因此,有不少的学者建立森林火灾预测系统并将气象数据纳入量化指标体系。随机计算机的迅速发展,不少的学者将机器学习的方法运用到森林火灾等级预测模型中,但是其预测效果并不十分理想。本文提出基于机器学习中支持向量机方法的改进方法-最小二乘支持向量机,由于最小二乘支持向量机对处理样本容量较小的数据具有较高的准确度而且耗时较短。本文选用UCI数据库中的森林火灾数据进行预测处理,选用高斯函数(径向基函数)作为最小二乘支持向量机的核函数,根据一对一的多分类算法设计出最小二乘支持向量机的多分类器,使用粒子群算法选择最优参数。最后与支持向量机、BP神经网络、决策树等方法进行对比。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	费宇	云南财经大学统计与数学学院	28	113	6.0	10.0
2	李恩来	云南财经大学统计与数学学院	5	0	0.0	0.0