【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第1期 348-351页,共4页

【作 者】： 陈泽恩

【摘 要】 根据火灾发生的历史特征数据可以对未来的火灾发生情况进行科学的预测。火灾数据特征具有很强的不确定性，在空间上关联性很弱，传统线性关联模型都有特定关联规则的数据建立预测模型，很难对这种典型非线性预测问题进行准确预测，造成预测结果不准。为了提高了火灾的预测准确性，提出一种蚁群算法（ACO）优化LSSVM的非线性火灾预测算法（ACO—LSSVM）。通过收集火灾发生的历史数据，输入LSSVM进行训练，运用ACO方法对LSSVM进行动态优化，在弱关联环境下，准确描述火灾发生的不确性，从而建立一种非线性火灾预测模型。仿真结果表明，蚁群优化方法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，准确地刻画火灾复杂、非线性变化特点。