全文总字数：2939字

1. 研究目的与意义及国内外研究现状

目的：森林火灾是一个重大的环境问题，是指失去人为控制后，在林地里自由蔓延和扩展，对森林生态系统和人类带来一定危害和损失，甚至危及人命的林火行为。森林火灾突发性强、破坏性大、处置救助较为困难。因此要扑救森林火灾，最大限度地减少火灾损失，就得了解森林火灾燃烧的规律，爆发的时间和燃烧的面积，快速检测是控制这种现象的关键因素。

意义：通过少量的因素，准确的预测森林火灾受害面积和发生次数，为快速灭火提供理论依据，合理的安排人员的配置，进而减少经济损失和人员伤亡。

2. 研究的基本内容

综合国内外学者的广泛研究，主要分为两大类：一类是运用一些经验模型（灰色模型或arma模型）或基于统计回归法等传统方法，运用气象因子进行预测简洁方便，但数据来源较困难；另一类是运用人工神经网络方法进行预测，目前的研究多以静态前馈bp网络或rbf网络为主。自回归移动平均模型（arma）是随机时间序列模型，根据若干事件的总体发展趋势来预测未来事件，是一种精度很高的数据分析方法，方法比较常见，运用比较广泛；前期的火灾预测的方法主要集中于定性预测法、回归预测法、灰色预测法和人工神经网络预测法等，所以在对森林火灾预测研究中，运用加权马尔科夫链方法和结合灰色预测、神经网络的方法比较新颖。本文先运用arma模型和灰色rbf神经网络组合预测模型对我国森林火灾受害面积进行了模拟和预测，再用加权马尔科夫链与灰色rbf神经网络组合预测模型对全国森林火灾发生次数进行模拟和预测，对比选择模拟精度较高的模型，进而对2013-2020年的森林火灾情况进行预测。

3. 实施方案、进度安排及预期效果

第一阶段：2017.1-2017.2 完成与论文相关的中外资料文献的收集；

第二阶段：2017.2-2017.3 整理资料并撰写文献综述和开题报告，正式确认课题；

第三阶段：2017.3-2017.4全面开展毕业论文的实验，处理数据集，进行模拟测试，与传统方法作对比，整理结论，分析优缺点；

第四阶段：2017.4-2017.5总结实验，完成毕业论文编撰和准备论文答辩。

4. 参考文献

[1] iliadis l s. a decision support system applyingan integrated fuzzy model for long-term forest fire risk estimation[j].environmental modelling software, 2005, 20(5):613-621.

[2] cortez p, morais a. adata mining approach to predict forest fires using meteorological data[j].associao portuguesa para a inteligncia artificial, 2007.