基于ACO-LSSVM的城市火灾预测

作者：孙立权; 王华东

来源：周口师范学院学报, 2013, (02): 96-99.

DOI：10.13450/j.cnki.jzknu.2013.02.031

• 蚁群优化算法
• LSSVM
• 参数优化
• 火灾预测 ant colony optimization algorithm
• least square support vector machine
• parameter optimization
• fire forecasting

火灾的发生具有不确定性,传统线性模型难对该类典型非线性预测问题进行准确预测.为了提高火灾的预测准确性,提出一种蚁群算法(ACO)优化LSSVM的非线性火灾预测算法(ACO-LSSVM).首先收集火灾发生的历史数据,然后输入LSSVM进行训练,ACO对LSSVM进行动态优化,描述火灾发生的不确定性,从而建立一种非线性火灾预测模型.仿真结果表明:ACO-LSSVM解决了传统火灾预测算法存在的缺陷,提高了火灾的预测精度,准确地刻画了火灾的复杂性、非线性变化的特点.

• 单位
  周口师范学院