(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111511536.6 (22)申请日 2021.12.0 6 (71)申请人 南京林业大 学 地址 210037 江苏省南京市玄武区龙蟠路 159号 (72)发明人 高德民　张佐忠　 (74)专利代理 机构 南京联卓知识产权代理有限 公司 32597 代理人 袁慧 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 基于BP神经网络和气象要素的森林枯落物 含水率预测方法 (57)摘要 本发明公开了一种基于BP神经网络和气象 要素的森 林枯落物含水率预测方法， 属于森 林火 灾预测技术领域。 该方法包括以下步骤： 选择样 地， 采集典型林分下的地表枯落物的样品， 计算 样品的含水率； 获取当地的气象数据； 利用含水 率与气象要素进行BP神经网络模型的训练； 利用 训练后的BP神经网络模 型， 对目标数据集进行含 水率的预测。 本申请的方法能够较为准确地预测 地表死枯落物的含水率， 并且不受枯落物种类和 研究区域的限制， 无论在小数据集还 是大数据集 上都具有良好的预测效果。 权利要求书1页 说明书6页 附图4页 CN 114418172 A 2022.04.29 CN 114418172 A 1.一种基于BP神经网络和气象要素的森林枯落物含水率预测方法， 其特征在于， 包括 以下步骤： 步骤1， 选择样地， 采集典型 林分下的地表枯 落物的样品， 计算样品的含水率； 步骤2， 获取当地的气象数据； 步骤3， 利用含水率与气象要素进行BP神经网络模型的训练； 步骤4， 利用训练后的BP神经网络模型， 对目标 数据集进行含水率的预测； 训练BP神经网络模型的方法为： 步骤3‑1， 通过对影响枯落物含水率的气象要素进行皮尔森相关系数分析， 得出每种气 象要素与含水率之间的相关性； 步骤3‑2， 结合含水率与气象要素的经验模型， 同时采用试错法， 对隐藏层层数进行参 数调整， 直到获取当前样本数据集上的最优参数。 2.根据权利要求1所述的基于BP神经网络和气象要素的森林枯落物含水率预测方法， 其特征在于， 所述的气象数据包括温度、 湿度、 风速、 光照和大气压数据。 3.根据权利要求1所述的基于BP神经网络和气象要素的森林枯落物含水率预测方法， 其特征在于， 步骤3之前， 采用标准化公式对含水率与气象要素进行标准化处理， 所述的标 准化公式为： 其中， x为含水率与气象要素特征的一个值， mean(x)为样本的平均值， std(x)为样本的 方差。 4.根据权利要求1所述的基于BP神经网络和气象要素的森林枯落物含水率预测方法， 其特征在于， 在训练BP神经网络模 型时， 使用激活函数对阶跃信号进 行处理， 所述的激活函 数为 其中， x为神经 元的输入。 5.根据权利要求1所述的基于BP神经网络和气象要素的森林枯落物含水率预测方法， 其特征在于， 采用以下公式判断每 个隐藏层中添加的神经 元数量， 其中： Ni是输出层神经元个数， NO是输出层神经元个数， Nβ是训练集样本数， α是可以自 取的任意 值变量， 范围取2 ‑10。权　利　要　求　书 1/1 页 2 CN 114418172 A 2基于BP神经 网络和气象要素的 森林枯落物含水率 预测方法 技术领域 [0001]本发明属于森林火灾预测技术领域， 具体地说， 涉及一种基于BP神经网络和气象 要素 的森林枯 落物含水率预测方法。 背景技术 [0002]林火作为森林生态系统的重要干扰因子， 对森林植被的分布、 结构和功能具有重 大影 响。 森林枯 落物含水率对林火的发生和蔓延， 尤其是对整个森林火灾行为影响重大。 [0003]枯落物含水率预测模型在预报森林火灾和预测林火行为方面作用显著， 而通过建 立数 学模型来研究枯落物含水率变化规律是一种有效的方法。 枯落物的含水率与相对湿 度、 温 度、 风速具有密切关系。 如果选用单纯的线性模型， 并不能对含水率进行准确的预 测。 近 年来， 国内外研究出了适合各国森林和气象条件的枯落物含水率模型。 例如谢字希 (黑龙 江大兴安岭地区森林枯落物含水率遥感反演[D].东北林业大学,2016.)借助MODIS 数据反演  森林枯落物含水率， 取得了准确的枯落物含水率数据， 但是该方法使用复杂， 小 尺度下应  用精度不够， 仅适合在大尺度环境、 高植被覆盖率下对森林的火险进行评价。 又 如刘曦、 金森(平衡含水率法预测死可燃物含水率的研究进展[J].林业科学,2007(12): 126‑133.)利用  四种平衡含 水率模型结合时滞 影响因子对 可燃物平衡含 水率进行预测。 其 主要思想是， 枯  落物于恒温， 恒湿下， 一段时间后含水率到达平衡。 随着环境条件的变化， 因为枯落物的  含水率变化与平衡含水率的变化之间有一定的滞后性， 用反应和时滞来表 示。 但是该方法 适合小尺度范围， 大尺度范围下， 预测精度下降。 [0004]因此， 需要设计一种基于当地枯落物种类且不受研究区域尺度限制的森林枯落物 含水 率预测方法。 发明内容 [0005]针对现有技术存在的上述问题， 本发明的目的在于提供一种基于BP神经网络和气 象要 素的森林枯 落物含水率预测方法。 [0006]为了解决上述问题， 本发明所采用的技 术方案如下： [0007]一种基于BP神经网络和气象要素的森林枯 落物含水率预测方法， 包括以下步骤： [0008]步骤1， 选择样地， 采集典型 林分下的地表枯 落物的样品， 计算样品的含水率； [0009]步骤2， 获取当地的气象数据； [0010]步骤3， 利用含水率与气象要素进行BP神经网络模型的训练； [0011]步骤4， 利用训练后的BP神经网络模型， 对目标 数据集进行含水率的预测； [0012]训练BP神经网络模型的方法为： [0013]步骤3‑1， 通过对影响枯落物含水率的气象要素进行皮尔森相关系数分析， 得出每 种气 象要素与含水率之间的相关性； [0014]步骤3‑2， 结合含水率与气象要素的经验模型， 同时采用试错法， 对隐藏层层数进 行参 数调整， 直到获取当前样本数据集上的最优参数。说　明　书 1/6 页 3 CN 114418172 A 3