森林火災(zāi)是一個主要的環(huán)境問題，造成經(jīng)濟(jì)損失和生態(tài)破壞而且危及生命。如何預(yù)測、防治或減少森林火災(zāi)的危害成為諸多學(xué)科領(lǐng)域共同關(guān)注的科學(xué)任務(wù)。傳統(tǒng)的做法是使用衛(wèi)星，紅外線掃描儀和局部傳感器。但是由于衛(wèi)星定位的延遲和掃描儀高昂的設(shè)備成本和維護(hù)成本，這些方案不能用來解決所有的情況。然而，研究表明氣象因素對森林火災(zāi)有重要的影響。因此，有不少的學(xué)者建立森林火災(zāi)預(yù)測系統(tǒng)并將氣象數(shù)據(jù)納入量化指標(biāo)體系。隨機(jī)計算機(jī)的迅速發(fā)展，不少的學(xué)者將機(jī)器學(xué)習(xí)的方法運(yùn)用到森林火災(zāi)等級預(yù)測模型中，但是其預(yù)測效果并不十分理想。本文提出基于機(jī)器學(xué)習(xí)中支持向量機(jī)方法的改進(jìn)方法．最小二乘支持向量機(jī)，由于最小二乘支持向量機(jī)對處理樣本容量較小的數(shù)據(jù)具有較高的準(zhǔn)確度而且耗時較短。本文選用UCI數(shù)據(jù)庫中的森林火災(zāi)數(shù)據(jù)進(jìn)行預(yù)測處理，選用高斯函數(shù)（徑向基函數(shù)）作為最小二乘支持向量機(jī)的核函數(shù)，根據(jù)一對一的多分類算法設(shè)計出最小二乘支持向量機(jī)的多分類器，使用粒子群算法選擇最優(yōu)參數(shù)。最后與支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、決策樹等方法進(jìn)行對比。
?