森林地表可燃物含水率与海拔关系研究

大兴安岭天然林保护工程重点区域,也是森林火灾频发的重灾区。收集测定了177组森林地表可燃物含水率数据,整理成列联表,进行列联表分析。结果表明,所研究区域的森林地表可燃物在低海拔含水率较高,随着海拔的升高,含水率呈现明显的降低趋势。研究结果可为进一步建立更加精确的大兴安岭林区森林地表可燃物含水率预测模型提供理论基础,对于该林区火灾预防工作意义重大。     

大兴安岭兴安落叶松林的火灾特征分析

从分析大兴安岭几种兴安落叶松林型的立地条件(环境),植被种类、结构和易燃性高低等方面入手,研究了立地条件(环境)、植被与火行为之间的内在联系,并对兴安落叶松林的潜在火行为特征进行了探讨。     

一种预测森林可燃物含水率的方法

可燃物含水率的大小,特别是细小可燃物含水率的大小决定了森林燃烧的难易程度,为了预测森林可燃物的含水率,对东北林区的落叶松,白桦和柞树的细小可燃物的含不率变化进行了研究,并利用多元统计方法建立了各种可燃物的含水率与其相关因子的回归模型,从而在国家级森林火险预测预报系统吵实现了通过获取气象因子来预测森林可燃物含水率的设计思想。     

哈尔滨城市林业示范基地春季可燃物含水率动态研究

主要针对2011年冬季黑龙江省哈尔滨市地区降水过少而2012年春季极度干旱对森林可燃物含水率的影响进行研究。对在2011—2013年冬季反常气候影响下的黑龙江哈尔滨城市林业示范基地的樟子松、胡桃楸、白桦、蒙古栎林下可燃物含水率的动态变化进行了定点检测,并通过细致的分析发现随着气象条件的变化,不同森林可燃物含水率呈现出不同的变化趋势：樟子松林下可燃物含水率相比之下一直很高,胡桃楸林下可燃物含水率一直非常稳定,对环境条件的变化反映不太明显,而蒙古栎林下可燃物则处于中间,白桦林下可燃物对气象因子的变化最为敏感,上下波动很大。根据监测获得的数据对不同森林可燃物含水率和气象因子的关系进行了多元线性回归分析,并在符合一定条件的前提下建立了相对应的含水率预测模型,由于数据较少等原因,所得模型准确性有待验证,但是这也为哈尔滨城市林业示范基地森林含水率的预测奠定了基础。     

矿区岩溶地表塌陷神经网络预测模型研究

针对矿区岩溶地表塌陷存在的非线性动力学特征,为更准确预测岩溶地质矿区地表塌陷区域分布,在分析研究某矿区岩溶地表塌陷机理及其影响因素基础上,确定矿区地表塌陷的影响因素,构建矿区岩溶地表塌陷BP神经网络非线性动力学预测模型。采集并分析某岩溶矿区大量岩溶地表塌陷历史数据,应用Matlab神经网络工具箱,采用构建的矿区岩溶地表塌陷BP神经网络预测模型,对上述矿区岩溶地表塌陷区域分布情况进行非线性预测。研究结果表明,采用训练的神经网络预测模型可以实现对矿区岩溶地表塌陷危险性的合理预测。     

一种基于聚类分析的由林分因子估算地表可燃物载量的方法

地表可燃物载量的确定,是实现森林地表火蔓延预测的前提。已有火蔓延模型中,假定同一林分中可燃物分布是均匀的,不能准确描述可燃物载量的复杂空间分布。基于聚类分析方法,建立了一种根据易获取的几种林分因子来估算地表可燃物载量的方法。首先,对大兴安岭地区35块兴安落叶松林样地和21块樟子松林样地的树龄、郁闭度、胸径、树高等林分因子采用重心法进行系统聚类分析,分别将兴安落叶松林和樟子松林分为5类和7类。然后,计算得出每类可燃物的类中心,并以每类包含所有样地的可燃物载量的平均值来表示该类中心的载量,并由此建立可燃物载量与林分因子的对应关系。对聚类分析与线性回归预测模型从平均绝对误差AAD、标准误差SEE、模型预测稳定性指标SIF三方面进行对比,结果表明聚类分析模型要优于线性回归分析模型。     

雷击引燃森林可燃物概率的实验研究

利用自主设计的雷击点燃森林可燃物的模拟实验装置,采用大兴安岭地区的松针和白草作为实验材料进行了雷击点燃实验。通过Logistic回归分析得到雷击点燃概率方程,并且通过主成分分析发现可燃物含水率和设备的低压值是决定可燃物是否被点燃的主要因素。通过不同可燃物含水率和电极间距参数条件下的实验证明了Lo-gistic回归方程结果的合理性,并对电极间距改变范围对实验的局限性进行了分析。     

广西苍梧马尾松林和大叶栎林的火行为比较

马尾松(Pinus massoniana)是中国南方大面积造林的树种,也是抗火能力最弱的树种。研究了广西苍梧11龄马尾松用材林和4龄大叶栎萌芽林在正常冬季和干旱夏季情景下的火行为,用behaveplus计算了火线强度、蔓延速度、树冠火可能性等参数。结果表明,两种林分在干旱夏季的火行为高于在正常冬季的火行为。无论是在正常冬季还是在干旱夏季,都没有出现马尾松可燃物模型的火行为一致高于大叶栎可燃物模型的情况;天气、地形、可燃物床结构对可燃物含水率有很大影响,而含水率是火行为的决定因素。虽然大叶栎被划分为难燃树种,大叶栎萌芽林的火行为高于成年大叶栎乔木林,苍梧大叶栎萌芽林在极端干旱的夏季情景有被火把点燃的可能性。如果将大叶栎萌芽林作为防火林带使用,需要经常清除林下枯枝落叶,割除黑莎草,减少细小可燃物。     

基于神经网络建立煤与瓦斯突出的预测模型

基于神经网络，提出了建立煤与瓦斯突出预测模型的方法，给出了网络系统的构造方式及算法，预测结果表明该法具有很高的容错性和准确性     

基于信息融合与GM的石油罐区安全监控预测模型

近年来,石油罐区安全事故发生频率呈不断上升趋势。为有效增强罐区安全监控预警系统监测数据的可靠性,并实现对事故的早期预警,基于多传感器信息融合技术和灰色模型(GM)理论,建立出石油罐区安全监控预测模型。首先,研究了基于递推最小二乘法改进的最优加权融合算法,并将其作为一级(特征级)融合模型,其次,介绍分析了灰色预测理论及GM(1,1)模型的实现过程,最后建立出基于GA-BP神经网络算法的二级(决策级)数据融合模型,并得到石油罐区安全监控预测模型。     

基于BP神经网络的煤与瓦斯突出预测系统开发

煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,采用改进的BP算法建立煤与瓦斯突出预测数学模型。通过研究不同算法的突出预测效果,对已建模型的泛化能力进行检验,利用Matlab GUI和神经网络工具箱设计开发煤与瓦斯突出预测系统,通过向系统输入已知的突出样本数据,经过学习、训练,实现对未知参数的预测。仿真结果表明:网络在训练300次后,误差训练曲线的均方差(MSE)可以达到10-15,实际预测误差也小于0.1,系统得到的5组数据预测结果与实际情况相符。