基于隐马尔可夫模型的火灾风险评估研究

摘要

近年来全球气候变化越来越复杂，自然灾害频发，森林防火形式日益严峻，森林火灾风险评估工作越来越重要。为此，基于隐马尔可夫模型(Hidden Markov Model, HMM)提出一种森林火险评估模型。首先构建森林火灾风险指标体系，将其分为气象条件、森林特征以及防火意识和能力3类12个指标，并根据层次分析法计算指标权重。同时，针对HMM模型求解过程中Baum-Welch算法对初始值有较强的依赖性且容易陷入局部最优的问题，提出通过粒子群优化算法搜索全局最优解作为HMM初始值，再使用Baum-Welch算法进行局部校正，使其快速收敛到全局最优解。利用优化前后的2个模型分别对重庆市森林火灾风险数据开展评估，验证优化后的模型能够有效地评估森林火灾风险，并且与改进前相比更精确，可为区域森林防火工作提供有效指导。

关键词

森林火灾 / 风险评估 / 火险指标体系 / 隐马尔可夫模型 / 粒子群优化算法

基金资助

国家自然科学基金(项目号31870537); 黑龙江省自然科学基金项目(LH2021D016)