期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
1
作者
曾云飞
葛富东
《计算机应用》
CSCD
北大核心
2023年第S02期60-64,共5页
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...
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。
展开更多
关键词
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
下载PDF
职称材料
题名
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
1
作者
曾云飞
葛富东
机构
中国地质大学(武汉)计算机学院
天津大学电气自动化与信息工程学院
出处
《计算机应用》
CSCD
北大核心
2023年第S02期60-64,共5页
基金
湖北省自然科学基金资助项目(2022CFB268)。
文摘
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。
关键词
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
Keywords
Auto-Reservoir Neural Network(ARNN)
Long Short-Term Memory(LSTM)network
fire disaster area prediction
time series prediction
reservoir computing
分类号
TP399 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
曾云飞
葛富东
《计算机应用》
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部