楊廣斌 唐小明 李亦秋

(貴州師范大學(xué)，貴陽(yáng)，550001) (中國(guó)林業(yè)科學(xué)研究院資源信息所) (綿陽(yáng)師范學(xué)院)

森林火災(zāi)是一個(gè)非常復(fù)雜的現(xiàn)象，對(duì)森林火災(zāi)這樣復(fù)雜系統(tǒng)行為的精確分析和預(yù)測(cè)是非常困難的。而林火預(yù)防和撲救的時(shí)效性很強(qiáng)，森林火災(zāi)一旦發(fā)生，就必須根據(jù)影響林火行為的各項(xiàng)因素，確定林火蔓延的趨勢(shì)，實(shí)時(shí)有效地預(yù)測(cè)、模擬林火行為，以便科學(xué)、及時(shí)地做出林火指揮撲救決策。因此，運(yùn)用計(jì)算機(jī)實(shí)現(xiàn)林火的蔓延模擬成為必然，這也是當(dāng)前林火蔓延研究的一個(gè)主要方向。盡管先進(jìn)虛擬現(xiàn)實(shí)技術(shù)和元胞自動(dòng)機(jī)模型的發(fā)展使得現(xiàn)階段林火模擬在視覺(jué)效果和空間擴(kuò)散方面取得了很大進(jìn)步，但仍然缺乏對(duì)林火蔓延系統(tǒng)的精確描述能力，這種情況在實(shí)時(shí)動(dòng)態(tài)條件下顯得更為突出［1－4］。美國(guó)自然科學(xué)基金會(huì)(NSF)在2000年首先提出了動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)應(yīng)用系統(tǒng)(DDDAS，Dynamic Data Driven Application Systems)的研究概念，并推動(dòng)和資助了多個(gè)相關(guān)領(lǐng)域的一系列前瞻性研究，其中動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的林火蔓延模擬研究項(xiàng)目受到了多個(gè)領(lǐng)域?qū)＜业耐瞥纾?－7］。

在我國(guó)林火模擬研究中，已采用的林火蔓延模型主要有Rothermel模型及王正非的林火蔓延模型［8－9］。林火蔓延模型是建立在一定范圍內(nèi)的模型，都有局限性。對(duì)于一個(gè)地區(qū)的林火蔓延模擬，可以選擇適宜的已有林火蔓延模型，再根據(jù)本地實(shí)際情況對(duì)模型進(jìn)行修正。傳統(tǒng)的模型修正方法是通過(guò)多次點(diǎn)火試驗(yàn)來(lái)確定模型的修正參數(shù)。這種模型修正方法不僅周期長(zhǎng)、效率低，而且一旦模擬環(huán)境有較大變化時(shí)，修正的參數(shù)就不再適用。文中以動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)技術(shù)為基礎(chǔ)，通過(guò)對(duì)模擬精度驗(yàn)證方法和模擬誤差的分析，確定模擬誤差修正參數(shù)及其計(jì)算方法，通過(guò)神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)模擬誤差修正參數(shù)自動(dòng)生成過(guò)程，并對(duì)模擬誤差修正效果進(jìn)行試驗(yàn)和分析。實(shí)現(xiàn)了林火模型的在線(xiàn)自適應(yīng)修正，從而提高林火蔓延模擬的精確性和時(shí)效性。在實(shí)踐上為林火撲救指揮提供決策支持，在理論上為相關(guān)領(lǐng)域的空間擴(kuò)散模擬研究提供新的思路和技術(shù)范式。

1 林火蔓延模擬誤差分析

在林火模擬過(guò)程中，模擬的林火蔓延與真實(shí)的林火蔓延之間只能是最大程度的相近，不可避免地存在模擬的林火蔓延與真實(shí)林火蔓延之間的誤差問(wèn)題。

1.1 誤差來(lái)源

在林火蔓延模擬過(guò)程中，誤差的來(lái)源包括數(shù)據(jù)誤差、模型誤差、不同算法和各種測(cè)量?jī)x器產(chǎn)生的誤差等。

數(shù)據(jù)誤差:包括野外動(dòng)態(tài)氣象數(shù)據(jù)誤差、地形數(shù)據(jù)誤差、可燃物數(shù)據(jù)誤差等。

模型誤差:林火模型是對(duì)實(shí)際林火蔓延過(guò)程的一種抽象表達(dá)，簡(jiǎn)單的林火蔓延方程不可能把復(fù)雜的林火蔓延過(guò)程十分準(zhǔn)確地表達(dá)出來(lái)。

算法誤差:從動(dòng)態(tài)數(shù)據(jù)的采集到林火蔓延模擬的實(shí)現(xiàn)，涉及許多技術(shù)實(shí)現(xiàn)的算法，如氣象數(shù)據(jù)插值算法、林火蔓延空間擴(kuò)散算法等，這些算法會(huì)對(duì)模擬結(jié)果直接或間接地產(chǎn)生影響。

儀器和設(shè)備誤差:GPS火場(chǎng)位置數(shù)據(jù)采集、無(wú)線(xiàn)傳輸設(shè)備的時(shí)間延遲都會(huì)對(duì)模擬結(jié)果造成誤差。

1.2 誤差表現(xiàn)形式

根據(jù)林火模擬結(jié)果的表現(xiàn)形式不同，誤差主要表現(xiàn)在以下幾個(gè)方面:

位置誤差:實(shí)際火場(chǎng)某點(diǎn)位置與模擬火場(chǎng)對(duì)應(yīng)點(diǎn)位置之間的差異，可用距離來(lái)表示。如實(shí)際火場(chǎng)火頭位置點(diǎn)M與模擬火場(chǎng)火頭位置點(diǎn)M＇之間的距離l，即是模擬的火頭位置M的誤差(圖1)。

圖1 火場(chǎng)位置誤差

火線(xiàn)長(zhǎng)度誤差:實(shí)際火線(xiàn)長(zhǎng)度與模擬火線(xiàn)長(zhǎng)度之差。局部火線(xiàn)長(zhǎng)度誤差是指實(shí)際火場(chǎng)兩點(diǎn)之間的長(zhǎng)度與模擬火場(chǎng)相應(yīng)兩點(diǎn)之間的火線(xiàn)長(zhǎng)度之差(圖2中ANB－A＇N＇B＇);整體火線(xiàn)長(zhǎng)度誤差是指整個(gè)實(shí)際火場(chǎng)火線(xiàn)總長(zhǎng)度與模擬火場(chǎng)火線(xiàn)總長(zhǎng)度之差(圖2 中ANBM－A＇N＇B＇M＇)。

圖2 火線(xiàn)長(zhǎng)度誤差

火場(chǎng)面積誤差:實(shí)際火場(chǎng)面積與模擬火場(chǎng)面積之差。

火場(chǎng)形狀誤差:實(shí)際火場(chǎng)形狀與模擬火場(chǎng)形狀之間的差異，可用形狀變形系數(shù)來(lái)表示:

式中:K為變形系數(shù)，K值越大，表示形狀越規(guī)則;A為火場(chǎng)面積;P為火線(xiàn)總長(zhǎng)度。

蔓延速度誤差:實(shí)際林火蔓延速度與模型計(jì)算蔓延速度之差。

蔓延方向誤差:實(shí)際林火蔓延方向與模擬林火蔓延方向之間的差異，可用實(shí)際火場(chǎng)某點(diǎn)相對(duì)于著火點(diǎn)的方位角與模擬火場(chǎng)對(duì)應(yīng)點(diǎn)相對(duì)于著火點(diǎn)的方位角之差來(lái)表示，圖3中α－β，即為A點(diǎn)的蔓延方向誤差。

圖3 蔓延方向誤差

1.3 誤差分析

由于林火蔓延的位置、火線(xiàn)長(zhǎng)度、火場(chǎng)形狀和火場(chǎng)面積直接由林火蔓延的速度和蔓延方向決定，所以，在上述幾種誤差中，林火蔓延速度誤差和蔓延方向誤差是最基本的誤差，直接決定著其他幾種誤差的大小。林火蔓延方向主要受風(fēng)向的影響，在復(fù)雜地形條件下，風(fēng)向受地形的影響比較大，因此，通過(guò)地形風(fēng)場(chǎng)模型可減小林火蔓延方向誤差［10－12］。

文中主要探討如何通過(guò)減小蔓延速度誤差減小林火蔓延模擬的誤差。

林火蔓延速度誤差是由多種因素共同影響產(chǎn)生的，通過(guò)對(duì)模型中的每個(gè)影響因子進(jìn)行修正來(lái)減小模擬誤差的做法是不現(xiàn)實(shí)的。因此，文中通過(guò)對(duì)模型增加一個(gè)全局修正因子，使林火蔓延模擬速度與實(shí)際林火蔓延速度相等，從而實(shí)現(xiàn)對(duì)林火蔓延模擬誤差的修正。

2 模擬誤差自適應(yīng)修正

人工神經(jīng)網(wǎng)絡(luò)，或稱(chēng)神經(jīng)網(wǎng)絡(luò)(Neural Networks，簡(jiǎn)稱(chēng)NN)是由大量的、同時(shí)也是很簡(jiǎn)單的處理單元(或稱(chēng)神經(jīng)元)廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特性，是一個(gè)高度復(fù)雜的非線(xiàn)性動(dòng)力學(xué)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力，特別適用于處理需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問(wèn)題［13］。文中基于動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)技術(shù)和神經(jīng)網(wǎng)絡(luò)原理構(gòu)建林火蔓延模擬誤差在線(xiàn)自適應(yīng)修正系統(tǒng)，模擬誤差的在線(xiàn)自適應(yīng)修正就是在動(dòng)態(tài)輸入的火場(chǎng)環(huán)境數(shù)據(jù)驅(qū)動(dòng)作用下，通過(guò)林火模擬，根據(jù)火場(chǎng)環(huán)境數(shù)據(jù)自動(dòng)地生成模擬誤差修正參數(shù)值，并在模擬過(guò)程根據(jù)火場(chǎng)精度驗(yàn)證數(shù)據(jù)形成學(xué)習(xí)樣本和進(jìn)行知識(shí)積累的過(guò)程。這個(gè)過(guò)程是一個(gè)系統(tǒng)自學(xué)習(xí)、自適應(yīng)和自動(dòng)知識(shí)積累的過(guò)程(圖4)。

圖4 模擬誤差在線(xiàn)自適應(yīng)修正過(guò)程

2.1 模擬誤差修正參數(shù)確定

不同林火蔓延模型，其表達(dá)式不同，輸入?yún)?shù)和輸出結(jié)果也不相同，即使同一個(gè)模型，當(dāng)模擬環(huán)境條件改變時(shí)，其參數(shù)也隨之改變。林火蔓延模型用一般函數(shù)可表示為:

式中:V為林火蔓延模擬速度;x1，x2，…xn為林火蔓延影響因子，如植被、坡度、風(fēng)力等;n為影響因子個(gè)數(shù)。

實(shí)際林火蔓延速度為R，則R可表示為:

式中，ε為林火蔓延模擬誤差修正參數(shù)，則有:

設(shè)林火蔓延的最大實(shí)際速度為Rmax，則ε的最大取值范圍為:

由以上模擬誤差修正參數(shù)推算公式可知，模擬誤差修正參數(shù)由實(shí)際林火蔓延速度R和林火模型計(jì)算速度V之差決定。

林火蔓延的實(shí)際速度是通過(guò)實(shí)時(shí)測(cè)量方法獲取的。火場(chǎng)環(huán)境數(shù)據(jù)是相應(yīng)火場(chǎng)實(shí)時(shí)獲取的火場(chǎng)環(huán)境數(shù)據(jù)。根據(jù)火場(chǎng)環(huán)境數(shù)據(jù)和林火蔓延模型可計(jì)算出林火蔓延的理論速度，這樣就可以計(jì)算出模型的模擬誤差修正參數(shù)。

2.2 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

反向傳播(BP)網(wǎng)絡(luò)就是一種多層前向神經(jīng)網(wǎng)絡(luò)，是目前最常見(jiàn)、應(yīng)用最廣泛的一種神經(jīng)網(wǎng)絡(luò)。從結(jié)構(gòu)上講，它由輸入層、中間層(隱含層)和輸出層組成，網(wǎng)絡(luò)中每個(gè)神經(jīng)元通過(guò)求輸入權(quán)值和經(jīng)激活函數(shù)傳遞結(jié)果來(lái)工作，通過(guò)改變學(xué)習(xí)速率、動(dòng)量因子可以提高BP學(xué)習(xí)算法的收斂速度［14－15］。文中以王正非模型為基礎(chǔ)，構(gòu)建林火蔓延模擬誤差修正神經(jīng)網(wǎng)絡(luò)模型。

確定輸入輸出結(jié)點(diǎn):根據(jù)火場(chǎng)環(huán)境因子和林火蔓延模型參數(shù)，確定輸入結(jié)點(diǎn)為植被、坡度、風(fēng)速、氣溫、大氣濕度5個(gè)因子，用向量表示為:

X=［植被，坡度，風(fēng)速，氣溫，大氣濕度］。

輸出結(jié)點(diǎn)只有1個(gè)，即模擬誤差修正參數(shù)。

確定隱含層結(jié)點(diǎn)數(shù):隱含層結(jié)點(diǎn)數(shù)通過(guò)輸入層和輸出層結(jié)點(diǎn)數(shù)來(lái)確定，即取輸入輸出層結(jié)點(diǎn)數(shù)的平均值，因此，隱含層結(jié)點(diǎn)數(shù)為3。

構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu):建立一個(gè)3層的BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

圖5 模擬誤差修正參數(shù)預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

確定作用函數(shù):作用函數(shù)為(0，1)S型函數(shù):

學(xué)習(xí)速率、動(dòng)量因子和最小期望誤差的確定:學(xué)習(xí)速率決定每一次循環(huán)訓(xùn)練中所產(chǎn)生的權(quán)值變化量。大的學(xué)習(xí)速率可能導(dǎo)致系統(tǒng)的不穩(wěn)定;小的學(xué)習(xí)速率導(dǎo)致較長(zhǎng)的訓(xùn)練時(shí)間，可能收斂很慢，但能保證網(wǎng)絡(luò)的誤差值不跳出誤差表面的低谷而最終趨于最小誤差點(diǎn)。附加動(dòng)量使權(quán)值的修改增大，合適的動(dòng)量因子可加快學(xué)習(xí)過(guò)程的收斂速度，但是值過(guò)大也會(huì)引起學(xué)習(xí)過(guò)程的振蕩，動(dòng)量的大小尚無(wú)定論，通常由試驗(yàn)確定。

2.3 模擬誤差修正參數(shù)獲取

由歷史火場(chǎng)環(huán)境數(shù)據(jù)和火場(chǎng)實(shí)際蔓延速度數(shù)據(jù)，計(jì)算生成模擬誤差修正參數(shù)。系統(tǒng)在正式運(yùn)行之前無(wú)法自動(dòng)獲取模型選擇的學(xué)習(xí)樣本，這就需要利用歷史火場(chǎng)記錄數(shù)據(jù)作為訓(xùn)練樣本來(lái)形成模型選擇的知識(shí)。林火模型本身所帶的參數(shù)與計(jì)算得到的模擬誤差修正參數(shù)是一一對(duì)應(yīng)的，將其進(jìn)行匹配(圖6)，生成原始學(xué)習(xí)樣本(表1僅列出部分樣本)。

圖6 模型參數(shù)匹配框架結(jié)構(gòu)及匹配過(guò)程

表1 原始學(xué)習(xí)樣本

通過(guò)神經(jīng)網(wǎng)絡(luò)在線(xiàn)學(xué)習(xí)，獲取修正參數(shù)，生成神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本。歷史數(shù)據(jù)獲取誤差修正參數(shù)是有限的，需要通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，生成新的學(xué)習(xí)樣本。在火場(chǎng)動(dòng)態(tài)數(shù)據(jù)的驅(qū)動(dòng)下，網(wǎng)絡(luò)學(xué)習(xí)樣本是在林火模擬過(guò)程中自動(dòng)產(chǎn)生的，其生成過(guò)程如圖7所示。

圖7 網(wǎng)絡(luò)學(xué)習(xí)樣本在線(xiàn)獲取過(guò)程

通過(guò)以上2種方式獲取到的模擬誤差修正參數(shù)精度是不同的，從歷史數(shù)據(jù)獲取的參數(shù)與火場(chǎng)環(huán)境是一一對(duì)應(yīng)的關(guān)系，也是經(jīng)過(guò)實(shí)際測(cè)量數(shù)據(jù)驗(yàn)證的，具有較高的精度，不需要經(jīng)過(guò)再修正。而由神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)自動(dòng)生成的誤差修正參數(shù)，它只是一個(gè)預(yù)測(cè)值，或者說(shuō)是估算值，是經(jīng)過(guò)知識(shí)推理產(chǎn)生的，它的精度依賴(lài)于神經(jīng)網(wǎng)絡(luò)先前學(xué)習(xí)的樣本精度和樣本數(shù)量，與火場(chǎng)環(huán)境數(shù)據(jù)不具有一一對(duì)應(yīng)關(guān)系。因此，在模型模擬誤差修正參數(shù)匹配時(shí)，首先從數(shù)據(jù)庫(kù)中搜索是否有與輸入的火場(chǎng)環(huán)境數(shù)據(jù)相匹配的誤差修正參數(shù)，如果有，則直接讀取此參數(shù)作為這次模擬的誤差修正參數(shù);如果沒(méi)有，則通過(guò)神經(jīng)網(wǎng)絡(luò)和知識(shí)庫(kù)自動(dòng)生成一個(gè)誤差修正參數(shù)，用此參數(shù)作為模擬的修正參數(shù)，如果模擬結(jié)果誤差超出預(yù)期值，則還要通過(guò)驗(yàn)證數(shù)據(jù)對(duì)此參數(shù)進(jìn)行再修正。

按照上述設(shè)計(jì)的模擬誤差修正過(guò)程，模型模擬誤差修正參數(shù)是一個(gè)常數(shù)，它是對(duì)一場(chǎng)林火過(guò)程中的某一時(shí)間段內(nèi)的林火蔓延速度的修正，并假定在這個(gè)時(shí)間段內(nèi)火場(chǎng)環(huán)境因子數(shù)據(jù)是單一的、均勻的、不變的。但是，在實(shí)際林火燃燒過(guò)程中，火場(chǎng)環(huán)境因子是不斷變化的，模型模擬誤差修正參數(shù)也是隨著環(huán)境的變化而改變的。因此，模型模擬誤差修正參數(shù)是一個(gè)可變常數(shù)，它是隨著火場(chǎng)動(dòng)態(tài)輸入的環(huán)境因子的數(shù)據(jù)變化而改變的，火場(chǎng)每輸入一次數(shù)據(jù)，模型模擬誤差修正參數(shù)就會(huì)相應(yīng)地改變1次。這種模擬誤差的修正即為動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的林火蔓延模擬自適應(yīng)修正。

3 模擬誤差修正試驗(yàn)

3.1 試驗(yàn)數(shù)據(jù)

為了驗(yàn)證模型修正方法的有效性，文中采用歷史記錄火場(chǎng)數(shù)據(jù)進(jìn)行試驗(yàn)。在1986—2010年北京市歷史火場(chǎng)中，選擇出適宜于王正非模型模擬的96條記錄，作為模擬誤差修正參數(shù)自動(dòng)生成的試驗(yàn)樣本集，其中80條記錄作為學(xué)習(xí)樣本，16條記錄作為驗(yàn)證樣本。選擇火場(chǎng)記錄的原則是:保證比較單一的火場(chǎng)環(huán)境，即植被、坡度、風(fēng)速、氣溫、大氣濕度這些因子值在同一場(chǎng)林火中變化較小;過(guò)火面積不宜過(guò)大，避免實(shí)際火場(chǎng)環(huán)境比較復(fù)雜，使計(jì)算出的林火蔓延速度與實(shí)際蔓延速度相差較大。表2為選取的歷史火場(chǎng)記錄。

表2 模型模擬的火場(chǎng)數(shù)據(jù)記錄

3.2 數(shù)據(jù)標(biāo)準(zhǔn)化處理

由火場(chǎng)采集的數(shù)據(jù)不能直接作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。在進(jìn)行神經(jīng)網(wǎng)絡(luò)計(jì)算時(shí)，為了加快網(wǎng)絡(luò)的收斂速度，將數(shù)值一般采用［0，1］表示的形式，即對(duì)數(shù)值進(jìn)行極值標(biāo)準(zhǔn)化計(jì)算。數(shù)據(jù)標(biāo)準(zhǔn)化處理步驟如下:

對(duì)原始數(shù)據(jù)進(jìn)行分類(lèi)或分級(jí)，并采用數(shù)值形式表示。

坡度分級(jí)數(shù)值化為:1表示坡度為0°～5°;2表示5°～10°;3表示10°～15°;4 表示15°～25°;5 表示25°以上的坡度。

植被分類(lèi)數(shù)值化為:1表示草本型植被;2表示灌草型植被;3表示灌木型植被;4表示喬灌型植被;5表示喬木型植被。

求平均值。用u1k，u2k，…，uik，…，unk，uik表示第i個(gè)樣本對(duì)第k項(xiàng)指標(biāo)取得的數(shù)據(jù)，i=1，2，…，n，n=12，k=1，2，3，4，5。原始數(shù)據(jù)平均值:

求標(biāo)準(zhǔn)差。原始數(shù)據(jù)標(biāo)準(zhǔn)差:

求標(biāo)準(zhǔn)化值。原始數(shù)據(jù)標(biāo)準(zhǔn)化值:

數(shù)據(jù)極值標(biāo)準(zhǔn)化。采用極值標(biāo)準(zhǔn)化公式計(jì)算，得到［0，1］區(qū)間的標(biāo)準(zhǔn)化數(shù)據(jù):

式中:u＇maxk和u＇mink分別表示u＇1k，u＇2k，…，u＇nk中的最大值與最小值。

神經(jīng)網(wǎng)絡(luò)的輸出樣本是根據(jù)模擬誤差修正參數(shù)計(jì)算公式求得的。首先根據(jù)火場(chǎng)環(huán)境因子、過(guò)火面積和著火時(shí)間計(jì)算出林火蔓延的實(shí)際速度，然后把火場(chǎng)環(huán)境因子輸入王正非模型中計(jì)算出模擬速度，最后求得模型蔓延速度的誤差修正值，此修正值本身是數(shù)值型，不需要再進(jìn)行模式轉(zhuǎn)換，可直接作為神經(jīng)網(wǎng)絡(luò)的輸出因子值。

3.3 試驗(yàn)結(jié)果

在試驗(yàn)中，BP網(wǎng)絡(luò)的學(xué)習(xí)速率η=0.3。采用附加動(dòng)量的權(quán)值修正，權(quán)值調(diào)節(jié)的動(dòng)量因子取α=0.75。網(wǎng)絡(luò)實(shí)際輸出和目標(biāo)輸出的最小期望均方誤差定為0.01。當(dāng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)達(dá)到650次時(shí)，網(wǎng)絡(luò)滿(mǎn)足了預(yù)先設(shè)定的精度要求。試驗(yàn)結(jié)果形成的網(wǎng)絡(luò)權(quán)值和閾值為:

式中:W1表示網(wǎng)絡(luò)權(quán)值矩陣;W2表示網(wǎng)絡(luò)權(quán)值轉(zhuǎn)置矩陣:B1表示網(wǎng)絡(luò)閾值矩陣:B2表示網(wǎng)絡(luò)閾值的轉(zhuǎn)置矩陣。

3.4 修正效果分析

為了驗(yàn)證以上網(wǎng)絡(luò)學(xué)習(xí)的效果，將整理好的16場(chǎng)歷史火場(chǎng)記錄作為網(wǎng)絡(luò)輸入因子，預(yù)測(cè)其輸出值。將神經(jīng)網(wǎng)絡(luò)生成的修正參數(shù)與計(jì)算得出的修正參數(shù)進(jìn)行對(duì)比，評(píng)估神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度(表3)。

在以上預(yù)測(cè)的16條記錄中，其中14條與計(jì)算結(jié)果誤差小于預(yù)定的 0.20 m·min－1，2 條誤差超過(guò)0.20 m·min－1，因此，通過(guò)試驗(yàn)可知，模擬誤差修正結(jié)果精度具有一定的可靠性。

4 結(jié)論與討論

林火蔓延速度誤差和蔓延方向誤差是最基本的誤差，直接決定著其他幾種誤差的大小。地形風(fēng)場(chǎng)模型可減小林火蔓延方向誤差，文中主要探討通過(guò)減小蔓延速度誤差減小林火蔓延模擬的誤差。

表3 預(yù)測(cè)值與計(jì)算值結(jié)果對(duì)比 m·min－1

確定了模擬誤差修正參數(shù)的計(jì)算方法，基于動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建林火蔓延模擬誤差在線(xiàn)自適應(yīng)修正系統(tǒng)，探討模擬誤差在線(xiàn)自適應(yīng)修正機(jī)制和模擬誤差修正知識(shí)在線(xiàn)自動(dòng)獲取機(jī)制，實(shí)現(xiàn)模擬誤差的在線(xiàn)自適應(yīng)修正過(guò)程。

以王正非林火蔓延模型為例，采用歷史記錄火場(chǎng)數(shù)據(jù)對(duì)模擬誤差的自適應(yīng)修正過(guò)程進(jìn)行了試驗(yàn)。選擇了96條記錄作為試驗(yàn)樣本集，其中80條記錄作為學(xué)習(xí)樣本，16條記錄作為驗(yàn)證樣本。在預(yù)測(cè)的16條記錄中，其中14條與計(jì)算結(jié)果誤差小于預(yù)定的 0.20 m·min－1，2條誤差超過(guò) 0.20 m·min－1，模型模擬誤差修正達(dá)到了較為理想的效果。

基于動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)和神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建的林火蔓延模擬誤差在線(xiàn)自適應(yīng)修正系統(tǒng)，提供了火場(chǎng)環(huán)境數(shù)據(jù)和林火蔓延速度數(shù)據(jù)采集機(jī)制，是一個(gè)自學(xué)習(xí)、自適應(yīng)和自動(dòng)知識(shí)積累的系統(tǒng)，隨著系統(tǒng)的不斷完善和數(shù)據(jù)、知識(shí)的不斷積累，將最終解決林火蔓延模擬數(shù)據(jù)瓶頸問(wèn)題，實(shí)現(xiàn)林火蔓延模擬與真實(shí)的林火蔓延之間最大程度的相近。

［1］田勇臣，劉少剛，趙剛，等.森林火災(zāi)蔓延多模型預(yù)測(cè)系統(tǒng)研究［J］.北京林業(yè)大學(xué)學(xué)報(bào)，2007，29(4):49 －53.

［2］McDonough J M，Yang T.Parallel performance of a new model for wildland fire spread predictions，paralle CFD(Computational Fluid Dynamics)Conference［J］.Las Palmas de Gran Canaria(ES)，2004(5):45－51.

［3］Trunfio G A.Predicting wildfire spreading through a hexagonal cellular automata model［J］.Lecture Notes in Computer Science，2004，33(5):385 －394.

［4］黃華國(guó)，張曉麗，王蕾.基于三維曲面元胞自動(dòng)機(jī)模型的林火蔓延模擬［J］.北京林業(yè)大學(xué)學(xué)報(bào)，2005，27(3):94 －98.

［5］Ouyang Ying，Zhang Jiaen，Luo Shiming.Dynamic data driven application system:Recent development and future perspective［J］.Ecological Modelling，2007，204(1/2):1 －8.

［6］Pidd M.Guidelines for the design of data driven generic simulators for specific domains［J］.Simulation，1992，59(4):237 －243.

［7］Mosterman P J，Sztipanovits J，Engell S.Computer－automated multiparadigm modeling in control systems technology［J］.IEEE Transactions on Control Systems Technology，2004，12(2):223 －234.

［8］唐曉燕，孟憲宇，易浩若.林火蔓延模型及蔓延模擬的研究進(jìn)展［J］.北京林業(yè)大學(xué)學(xué)報(bào)，2002，24(1):87 －91.

［9］Richards G D.A general mathematical framework for modeling twodimensional wildland fire spread［J］.International Journal of Wildland Fire，1995，5(2):63 －72.

［10］Feliks Y，Gavze E，Givati R.Optional vector interpolation of wind fields［J］.Journal of Applied Meteorology，1996，35:1153 －1158.

［11］桑建國(guó)，溫市耕.大氣擴(kuò)散的數(shù)值計(jì)算［M］.北京:氣象出版社，1992:35－38.

［12］余琦，劉原中.復(fù)雜地形上的風(fēng)場(chǎng)內(nèi)插方法［J］.輻射防護(hù)，2001，21(4):213 －218.

［13］田曉瑞，舒立福，王明玉，等.西藏森林火災(zāi)時(shí)空分布規(guī)律研究［J］.火災(zāi)科學(xué)，2007，16(1):10 －14.

［14］侯彥東，方惠敏，楊國(guó)勝，等.一種改進(jìn)的可變學(xué)習(xí)速率的BP神經(jīng)網(wǎng)絡(luò)算法［J］.河南大學(xué)學(xué)報(bào):自然科學(xué)版，2008，38(3):301－312.

［15］張會(huì)生，吳微.一種具有自適應(yīng)動(dòng)量因子的BP算法［J］.大連海事大學(xué)學(xué)報(bào)，2008，34(4):45 －51.